age-of-information rules

新的 Gossip 协议解决了去中心化学习中的客户端掉线问题

一篇新的研究论文介绍了一种名为自包含新鲜度加权 Gossip (SFG) 的新方法，这是一种新颖的去中心化联邦学习 (DFL) 方法，旨在更有效地处理客户端掉线问题。与仅对接收到的模型进行折扣的现有方法不同，SFG 会考虑客户端在掉线后重新上线时自身模型的陈旧性。所提出的方法强调将陈旧性衡量为继承的滞后而非年龄，并应用急剧的折扣来缓解持续的滞后，在图像基准测试中表现优于标准的 DFL 和信息年龄规则。