面向个性化的多层级联邦学习
机器学习
2024-07-22 v1 人工智能
最优化与控制
摘要
个性化联邦学习 (PerFL) 的关键挑战在于以低成本捕获数据统计异质性特征，为参与设备获得定制性能。为此，我们引入了面向多层级架构的个性化联邦学习 (PerMFL)，在设备之间已知团队结构的情况下获得优化且个性化的本地模型。我们为 PerMFL 提供了理论保证，对于光滑强凸问题具有线性收敛率，对光滑非凸问题具有亚线性收敛率。我们进行了数值实验，表明 PerMFL 在多个个性化联邦学习任务中的实用性能稳健且优于最先进方法。
引用
@article{arxiv.2407.14251,
title = {Personalized Multi-tier Federated Learning},
author = {Sourasekhar Banerjee and Ali Dadras and Alp Yurtsever and Monowar Bhuyan},
journal= {arXiv preprint arXiv:2407.14251},
year = {2024}
}