連邦学習における凸グローバル制約と局所制約の解決

本論文では、連邦学習の枠組みにおいて、凸グローバル制約と凸局所制約を持つ機械学習問題を解決するための新しいアルゴリズムを提案する。提案アルゴリズムは近接拡張ラグランジュ法に基づいており、局所クライアントと中央サーバー間の通信を最小限に抑えつつ、理論的な収束保証を持つ。数値実験の結果、提案アルゴリズムは中央集中型の手法と同等の性能を示すことが確認された。