English(EN) Personalized Federated Learning by Energy-Efficient UAV Communications

由能源高效无人机和个性化模型增强的联邦学习

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-26 04:00

研究人员开发了一种新的个性化联邦学习方法，该方法使用无人机（UAV）进行更高效的通信。该方法通过将全局模型更新与本地个性化分离开来，解决了数据异质性和无人机电池寿命有限等挑战。一种新颖的基于梯度的调度策略优先处理具有信息量更新的设备，从而提高了准确性并降低了无人机的能耗。 AI

影响这项研究可能带来更高效、更准确的分布式人工智能系统，尤其是在连接性和电源受限的环境中。

排序理由这是一篇详细介绍联邦学习新方法的学术论文。[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.LG TIER_1 English(EN) · Shiqian Guo, Jianqing Liu, Beatriz Lorenzo · 2026-05-26 04:00

Personalized Federated Learning by Energy-Efficient UAV Communications

arXiv:2605.25212v1 Announce Type: new Abstract: Federated learning (FL) is an effective paradigm for enhancing the learning capability of edge devices while preserving data privacy. In geographically dispersed FL systems, such as sensor networks in remote areas, unmanned aerial v…