PulseAugur
中
实时 09:52:04
English(EN) Designing Sustainable Federated Learning as a Service using Neural Architecture Search

新的SFLaaS框架解决了联邦学习中的碳约束问题

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一个名为可持续联邦学习即服务（SFLaaS）的新框架，以应对碳约束联邦训练的挑战。该框架利用神经架构搜索（NAS）创建一个需求驱动的搜索空间，将消费者可持续性配置文件转化为可行的架构区域。SFLaaS 包含一个碳可行性估算机制和一个消费者调度策略，以在动态碳条件下维持参与度和数据覆盖率，并在实验中证明了其有效性。 AI

影响 该框架可以实现分布式环境中更节能、更可持续的AI模型训练。

排序理由 该集群包含一篇详细介绍新框架和方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 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SFLaaS框架解决了联邦学习中的碳约束问题

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Keya Patel, Sajib Mistry, Sheik Fattah, Deepak Kanneganti, Aneesh Krishna, Mufti Mahmud, Monowar Bhuyan ·

    使用神经架构搜索设计可持续的联邦学习即服务

    arXiv:2608.14359v1 Announce Type: new Abstract: The sustainability constraints of FLaaS consumers pose significant challenges to maintaining carbon-feasible federated training in FLaaS environments. These constraints often lead to infeasible consumer participation and unstable fe…

相关实体

相关话题