PulseAugur
中
实时 02:57:43
English(EN) Chisme: Heterogeneity-Aware Gossip Learning

Chisme算法增强了异构边缘环境下的分布式学习

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了一种新颖的分布式学习算法Chisme，专为边缘计算环境设计。Chisme通过使用模型交换数据来评估客户端亲和力，解决了异构数据分布和间歇性连接的挑战。这使得客户端能够选择性地协作，平衡通用知识获取与特定知识构建。在图像识别和时间序列预测方面的实验表明，Chisme优于现有方法，收敛速度更快，最终损失更低，并且客户端之间的性能差异更小。 AI

影响 Chisme为边缘的分布式学习提供了一种更鲁棒的方法，有可能提高资源受限环境中AI服务的性能和可靠性。

排序理由 该集群包含一篇详细介绍新算法的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

Chisme算法增强了异构边缘环境下的分布式学习

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Harikrishna Kuttivelil, Katia Obraczka ·

    Chisme: 异构感知流言学习

    arXiv:2505.09854v3 Announce Type: replace Abstract: As end-user device capability increases and demand for intelligent services at the Internet's edge rises, distributed learning has emerged as a key enabling technology for the intelligent edge. Existing approaches like federated…

相关话题