Core Concepts
データ分布とネットワーク構造が分散フェデレーテッドラーニングの効率に影韓を与える。
Abstract
インターネットエッジでAIモデルを訓練するための完全に分散された学習が注目されている。異なる種類のネットワーク構造が知識の拡散にどのように影響を与えるかを探求し、グローバル中心性メトリクス(次数、媒介中心性)が学習パフォーマンスと関連していることを強調。知識伝達の課題やセグメント化されたコミュニティ外での知識循環も観察された。
Stats
ノード間の結合確率pは臨界値p∗=ln(N)/Nに近づくと、ERネットワークは相互接続性を示す。
BAグラフは次数分布がべき法則であり、高次数の中心的なノードが情報伝播を促進する。
SBMはコミュニティ構造を持ち、異なるブロック間で情報伝播を調査する。
Quotes
"最初から直接的な比較が可能である" - [8]
"高次数の中心的なノードは効率的に知識を広められる" - [9]