PulseAugur
中
实时 10:02:27
English(EN) DG-FedReuse: Proxy-Gradient-Gated Cached-Update Reuse with Matched Sparse Uplink Accounting

新的DG-FedReuse方法旨在提高联邦学习效率

作者 PulseAugur 编辑部 · [1 个来源] ·

一篇新论文介绍了一种名为DG-FedReuse的机制，该机制通过允许客户端重用旧的缓存更新来提高联邦学习的效率。该方法采用代理梯度门控方法，并考虑缓存年龄和最低新鲜客户端配额等因素来确定何时允许重用。虽然实验显示了上行链路数据节省的巨大潜力，但论文指出，所提出的规则尚未被证明能保证无偏泛化、端到端带宽减少或比现有方法更快的收敛速度。 AI

影响 这项研究可能通过减少数据传输需求，从而带来更高效的联邦学习系统。

排序理由 该集群包含一篇详细介绍联邦学习新机制的研究论文。[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 →

新的DG-FedReuse方法旨在提高联邦学习效率

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Rahil Aftab, Vineet Kumar Rakesh, Soumya Mazumdar, Tapas Samanta ·

    DG-FedReuse: 代理梯度门控缓存更新匹配稀疏上行链路核算

    arXiv:2608.05358v1 Announce Type: new Abstract: Federated learning repeatedly incurs local optimization and model-update transmission. We study DG-FedReuse, a simulator-level mechanism that allows selected clients to contribute age-decayed cached updates when a stochastic head-gr…

相关实体

相关话题