FedHeN：异构网络中的联邦学习
机器学习
2022-07-08 v1 分布式、并行与集群计算
摘要
我们针对异构网络中的联邦学习提出了一种新颖的训练方案，其中每个设备可以具有不同的架构。我们引入了一个辅助目标训练，让复杂度较高的设备在联邦设定下联合训练不同架构。实验表明，与最先进的方法相比，我们的方法提高了不同架构的性能，并带来了显著的通信节省。
引用
@article{arxiv.2207.03031,
title = {FedHeN: Federated Learning in Heterogeneous Networks},
author = {Durmus Alp Emre Acar and Venkatesh Saligrama},
journal= {arXiv preprint arXiv:2207.03031},
year = {2022}
}
备注
Workshop paper to be appear at DyNN, ICML 2022