新方法优化去中心化联邦学习的能效

研究人员开发了一种新的混合矩阵设计方法，以提高无线网络中去中心化联邦学习（DFL）的能效。该方法专门针对节点单位能耗的最小化，这是功率受限设备的关​​键因素。所提出的框架利用时变通信拓扑和优化预算来平衡能耗和收敛速度，并基于一种新颖的收敛定理。 AI

影响 这项研究可能带来更节能的边缘设备AI模型训练，从而实现更广泛的去中心化学习系统的部署。

排序理由 关于联邦学习新算法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX Code Finder for Papers
• CORE Recommender
• cs.LG
• DagsHub
• Decentralized federated learning system
• Dongfeng Motor Company Limited
• Gotit.pub
• Hugging Face
• IArxiv Recommender
• Influence Flower
• ScienceCast
• Wireless Networks
• Xusheng Zhang

• 论文
• 基础设施

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