FedGiA：一种高效的联邦学习混合算法
机器学习
2024-04-22 v6 最优化与控制
摘要
联邦学习近来展现出其优势，但仍面临诸多挑战，例如算法如何节省通信资源与降低计算成本，以及它们是否收敛。为解决这些关键问题，我们提出了一种结合梯度下降与不定交替方向乘子法的混合联邦学习算法(FedGiA)。该算法在理论与数值上均比若干最先进(state-of-the-art)算法更具通信与计算效率。此外，在温和条件下它还能全局收敛。
引用
@article{arxiv.2205.01438,
title = {FedGiA: An Efficient Hybrid Algorithm for Federated Learning},
author = {Shenglong Zhou and Geoffrey Ye Li},
journal= {arXiv preprint arXiv:2205.01438},
year = {2024}
}
备注
arXiv admin note: substantial text overlap with arXiv:2110.15318; text overlap with arXiv:2204.10607