联邦学习中激励工人的斯塔克尔伯格博弈视角
分布式、并行与集群计算
2019-08-09 v1
摘要
由于训练数据规模庞大,联邦学习等分布式学习方法近来受到关注。然而,分布式学习的收敛速率受工人性能异构性的影响。在本文中,我们考虑一种针对工人的激励机制,以缓解每批次完成中的延迟。我们分析性地得到了斯塔克尔伯格博弈的均衡解。我们的数值结果表明,在有限预算下,模型拥有者应当审慎决定工人数量,以权衡工人数量所提供的多样性与完成训练的延迟。
引用
@article{arxiv.1908.03092,
title = {Motivating Workers in Federated Learning: A Stackelberg Game Perspective},
author = {Yunus Sarikaya and Ozgur Ercetin},
journal= {arXiv preprint arXiv:1908.03092},
year = {2019}
}
备注
arXiv admin note: text overlap with arXiv:1811.12082 by other authors