Core Concepts
Die Autoren entwickeln neuartige kosteneffiziente Federated Learning-Algorithmen (FedCau), die den Kommunikations- und Rechenaufwand bei der Modelloptimierung über drahtlose Netzwerke minimieren, ohne die Trainingsleistung signifikant zu beeinträchtigen.
Abstract
Die Autoren untersuchen das Problem des Federated Learnings (FL) über drahtlose Netzwerke, um eine effiziente Kommunikations-Rechenkosten-Bilanz zu erreichen. Sie definieren ein multiobjektives Optimierungsproblem, das den Zielkonflikt zwischen Trainingsleistung und Kommunikations-Rechenkosten berücksichtigt.
Zur Lösung dieses Problems entwickeln die Autoren drei neuartige Algorithmen, die sie "FedCau" nennen:
Batch-FedCau für konvexe Verlustfunktionen (Algorithmus 1)
Berechnet in jeder Iteration die lokalen Parameter und Verluste der Arbeiter und sendet diese an den Master
Der Master aktualisiert den globalen Modellparameter und berechnet die Gesamtkosten
Der Algorithmus terminiert, sobald die Kostenfunktion nicht mehr sinkt
Mini-Batch-FedCau für konvexe Verlustfunktionen (Algorithmus 2)
Ermöglicht eine faire Teilnahme der Arbeiter durch Zeitbudgets und Fairness-Faktoren
Ersetzt fehlende lokale Parameter durch Werte aus der Voriteration, um den Abstieg der Verlustfunktion zu garantieren
Mini-Batch-FedCau für nicht-konvexe Verlustfunktionen (Algorithmus 3)
Schätzt obere und untere Schranken für die stochastische Kostenfunktion, um einen Bereich für den Abbruchzeitpunkt zu finden
Aktualisiert diese Schranken in jeder Iteration, um einen möglichst engen Bereich zu erhalten
Die Autoren wenden die FedCau-Algorithmen auf verschiedene drahtlose Kommunikationsprotokolle (Slotted-ALOHA, CSMA/CA, OFDMA) an und zeigen, dass sie die Kommunikations- und Recheneffizienz signifikant verbessern können, ohne die Trainingsleistung stark zu beeinträchtigen. Sie demonstrieren auch, dass FedCau auf bestehende kommunikationseffiziente Methoden aus der Literatur angewendet werden kann, um deren Effizienz weiter zu steigern.
Stats
Die Autoren verwenden keine expliziten Zahlen oder Statistiken in diesem Artikel.
Quotes
Keine relevanten wörtlichen Zitate im Artikel.