本研究では、LightTRと呼ばれる軽量な連邦学習フレームワークを提案している。LightTRは、クライアントとサーバーの連邦学習アーキテクチャに基づいて、分散された軌跡データを用いて軌跡を効率的に復元する。
LightTRの主な特徴は以下の通りである:
軽量な軌跡埋め込みモジュール: 計算コストを抑えつつ高精度な特徴抽出を実現する。従来のCNN、RNN、アテンションベースのオペレータを軽量なMLP(Multi-Layer Perceptron)ベースのオペレータに置き換えている。
メタ知識強化型のローカル-グローバル学習モジュール: 通信コストを削減しながら高速な収束を実現する。事前に教師モデルを学習し、その知識をクライアントの学習に活用することで、効率的な学習を可能にしている。
実験の結果、LightTRは既存の手法と比べて、軌跡復元の精度が高く、計算コストと通信コストが低いことが示された。分散環境での軌跡復元に有効な手法であることが確認できた。
To Another Language
from source content
arxiv.org
Key Insights Distilled From
by Ziqiao Liu,H... at arxiv.org 05-07-2024
https://arxiv.org/pdf/2405.03409.pdfDeeper Inquiries