Least-Squares Federated Learning

联邦学习分析利用随机矩阵理论洞察性能

研究人员对应用于联邦学习最小二乘模型的广义全变分最小化（GTVMin）进行了大维度分析。利用随机矩阵理论，他们证明了全局GTVMin解的Lipschitz观测在高维度下可以普遍收敛，无论网络结构如何。该研究还为固定网络上独立同分布（i.i.d.）和非i.i.d.高斯混合分布下的性能提供了精确的解析表达式，通过正则化量化了局部适应与协作之间的权衡。这些理论发现通过合成数据和真实世界数据的实验得到了验证。