English(EN) TAMUNA: Doubly Accelerated Distributed Optimization under Partial Participation

TAMUNA算法在部分参与下提升分布式优化性能

作者 PulseAugur 编辑部 · [1 个来源] · 2026-06-09 04:00

研究人员开发了一种名为TAMUNA的新算法，旨在提高分布式优化和联邦学习的效率。TAMUNA通过结合本地训练和数据压缩技术来解决通信瓶颈，并且独特地支持部分客户端参与。这种方法可以实现双重加速收敛速率，优于之前要求所有客户端都活跃的先前方法。 AI

影响引入了一种新颖的算法，该算法通过允许部分客户端参与来提高分布式人工智能训练的效率。

排序理由这是一篇详细介绍分布式优化新算法的研究论文。[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) · Laurent Condat, Ivan Agarsk\'y, Grigory Malinovsky, Peter Richt\'arik · 2026-06-09 04:00

TAMUNA：部分参与下的双加速分布式优化

arXiv:2302.09832v4 Announce Type: replace Abstract: In distributed optimization and federated learning, slow and costly communication between parallel devices and the central server constitutes the primary bottleneck. To alleviate this burden, two strategies have emerged: 1) loca…