DeepFedNAS 为异构物联网联邦优化神经网络架构

研究人员开发了 DeepFedNAS，一个旨在优化异构物联网（IoT）联邦的神经网络架构的新型框架。这种利用帕累托引导的超网络训练和无预测器搜索的两阶段方法，与现有的联邦神经架构搜索（FedNAS）方法相比，显著降低了计算成本和时间。DeepFedNAS 在各种数据集上即使在非独立同分布（non-IID）条件下也展示了最先进的准确性和稳健的性能，使其成为可扩展、通信受限的物联网环境的实用解决方案。 AI

影响 能够更高效、更实用地区分部署人工智能模型到各种物联网设备上。

排序理由 这是一篇研究论文，详细介绍了联邦学习中神经架构搜索的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Bostan Khan
• CIFAR-10
• CIFAR-100
• CINIC-10
• DeepFedNAS
• federated learning
• FedNAS
• Internet of Things
• SuperFedNAS

• 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 →