FedGAN：面向分布式数据的联邦生成对抗网络
机器学习
2020-06-16 v2 计算机视觉与模式识别
多智能体系统
机器学习
摘要
我们提出联邦生成对抗网络 (FedGAN)，用于在通信与隐私约束下跨非独立同分布数据源训练 GAN。我们的算法使用本地生成器与判别器，它们通过一个对生成器与判别器参数取平均并广播的中介定期同步。我们在标准假设下，利用随机逼近与通信高效随机梯度下降，从理论上证明了 FedGAN 在生成器与判别器等步更新和两时间尺度更新下的收敛性。我们在玩具例子（二维系统、混合高斯与 Swiss roll）、图像数据集（MNIST、CIFAR-10 与 CelebA）以及时间序列数据集（家庭电力消耗与电动汽车充电会话）上实验了 FedGAN。我们表明 FedGAN 收敛且性能与通用分布式 GAN 相近，同时降低了通信复杂度。我们还展示了其对减少通信的鲁棒性。
引用
@article{arxiv.2006.07228,
title = {FedGAN: Federated Generative Adversarial Networks for Distributed Data},
author = {Mohammad Rasouli and Tao Sun and Ram Rajagopal},
journal= {arXiv preprint arXiv:2006.07228},
year = {2020}
}
备注
23 pages, 10 figures