PulseAugur
中
实时 10:06:26
English(EN) Mixed-Timescale Differential Coding for Downlink Model Broadcast in Wireless Federated Learning

新的MTDC方案增强了无线联邦学习模型更新

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为混合时间尺度差分编码（MTDC）的新方法，以改进无线联邦学习系统中的模型传播。该方案解决了无线链路故障带来的挑战，这些故障可能导致设备在错过差分更新后无法重建全局模型。MTDC允许设备即使在错过差分更新的情况下也能重建最新的全局模型，因为它使用了两个不同级别的差分编码。仿真表明，在相似的通信限制和传输故障存在的情况下，MTDC比现有方法提供了更好的学习性能。 AI

影响 提高了分布式AI训练在无线网络中模型更新的效率和鲁棒性。

排序理由 这是一篇详细介绍联邦学习新技术的学术论文。[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 →

新的MTDC方案增强了无线联邦学习模型更新

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Chung-Hsuan Hu, Zheng Chen, Erik G. Larsson ·

    无线联邦学习下行模型广播的混合时间尺度差分编码

    arXiv:2607.13119v1 Announce Type: cross Abstract: In standard federated learning systems, the parameter server broadcasts the global model to the participating devices in every iteration. Motivated by the temporal correlation between consecutive global models, differential coding…

相关实体

相关话题