联邦自适应表决优化技术: 通过掩码最优传输在联邦学习中的精确分布对齐.pdfVIP

联邦自适应表决优化技术:通过掩码最优传输在

联邦学习中的精确分布对齐

Herlock(SeyedAbolfazl)RahimiandDionysisKalogerias

DepartmentofElectricalandComputerEngineering,YaleUniversity,NewHaven,USA

herlock.rahimi@,dionysis.kalogerias@

ABSTRACT有的数据可能对全局模型的重要性不成比例[7,8,9,5,10,11,

联邦学习（FL）允许在不共享原始数据的情况下进行分布式模12]。这种不一致进一步被数据异质性[6,13]、偏斜参与[14,15]

型训练，但当客户端参与是部分时会受到影响。实际上，可用和公平考虑[9,16]加剧，所有这些因素都可能显著影响收敛保

用户（可用性分布）的分布很少与定义优化目标（重要性分证和模型性能。忽略这一不一致可能导致系统