Core Concepts
본 논문은 엔트로피를 활용하여 각 클라이언트의 적응형 학습률을 설계함으로써 이질적인 클라이언트들 간의 모델 편차를 완화하고 빠른 수렴 속도를 달성하는 적응형 연합 학습 알고리즘 FedEnt를 제안한다.
Stats
각 클라이언트의 지역 모델 파라미터 wi(t)와 전역 모델 파라미터 w(t) 간의 차이는 다음과 같이 상한이 존재한다:
∥w(t) - wi(t)∥ < Σj 2βθj^2 D^2 ∥ϕ1(t-1)∥ / ((1-β)ϕ2(t))
Quotes
"엔트로피를 활용하여 클라이언트들의 지역 모델 편차를 측정하고, 이를 바탕으로 각 클라이언트의 적응형 학습률을 설계하는 FedEnt 알고리즘을 제안한다."
"FedEnt는 클라이언트들 간 통신 없이도 평균장 분석을 통해 다른 클라이언트들의 정보를 추정하여 적응형 학습률을 도출한다."