即插即学：基于模型智能电网的联邦智能
机器学习
2025-05-30 v4
摘要
我们提出一种模型无关的联邦学习方法，其模拟智能电网的运行：多样化的本地模型如同能源产消者，在各自数据上独立训练，同时交换轻量信号以与统计相似的同伴进行协调。该协调由基于图的正则化项所主导，鼓励相连模型在共享的公开无标签数据集上产生相似预测。所得方法为正则化经验风险最小化的一个灵活实例，并支持多种本地模型——包括参数化与非参数化——只要其可通过正则化损失最小化进行训练。此类训练可由标准 ML 库（包括 scikit-learn、Keras 和 PyTorch）轻松支持。
引用
@article{arxiv.2302.04363,
title = {Plug In and Learn: Federated Intelligence over a Smart Grid of Models},
author = {S. Abdurakhmanova and Y. SarcheshmehPour and A. Jung},
journal= {arXiv preprint arXiv:2302.04363},
year = {2025}
}