FedSysID：一种样本高效的联邦系统辨识方法
机器学习
2022-11-29 v1 系统与控制
系统与控制
最优化与控制
摘要
我们研究从 个客户端的观测中学习线性系统模型的问题。关键在于：每个客户端观测的是不同动力学系统的数据。本工作探讨了多个客户端在存在异构性的情况下如何协作学习动力学模型。我们将该问题表述为一个联邦学习问题，并刻画了可达性能与系统异构性之间的张力。此外，我们的联邦样本复杂度结果相比单智能体设定提供了常数因子的改进。最后，我们描述了一种元联邦学习算法 FedSysID，该算法在客户端层面利用现有的联邦算法。
引用
@article{arxiv.2211.14393,
title = {FedSysID: A Federated Approach to Sample-Efficient System Identification},
author = {Han Wang and Leonardo F. Toso and James Anderson},
journal= {arXiv preprint arXiv:2211.14393},
year = {2022}
}