English(EN) Pre-Deployment Complexity Estimation for Federated Perception Systems

新框架估算边缘AI的联邦学习复杂性

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-23 04:00

研究人员开发了一个新框架，用于在部署前估算联邦感知系统的学习复杂性。这种不依赖分类器的方法结合了内在数据属性（如维度和稀疏性）以及客户端分布来预测任务难度。在MNIST变体上的实验表明，这种复杂性度量与联邦准确性和通信开销高度相关，为边缘AI中的资源规划和可行性评估提供了一个实用工具。 AI

影响为分布式边缘AI部署中的更好规划和资源分配提供了一个工具。

排序理由关于联邦学习系统复杂性估算新框架的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

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

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · KMA Solaiman, Shafkat Islam, Ruy de Oliveira, Bharat Bhargava · 2026-07-23 04:00

面向联邦感知系统的部署前复杂性估算

arXiv:2603.28282v2 Announce Type: replace-cross Abstract: Edge AI systems increasingly rely on federated learning to train perception models in distributed, privacy-preserving, and resource-constrained environments. Before training, however, practitioners often lack practical too…