이 논문은 연방 학습(FL)의 수렴 문제를 분석하고 해결하기 위한 새로운 접근법을 제안한다.
먼저 "개 산책 이론"을 소개하여 FL을 개 산책 과정으로 모델링한다. 이 이론에 따르면 FL에서 서버는 개 주인, 클라이언트는 개에 해당한다. 개 주인의 목표는 개들을 목적지까지 안전하게 인도하면서도 개들에게 충분한 운동 기회를 제공하는 것이다. 이때 리드줄이 핵심적인 역할을 한다.
기존 FL 알고리즘들은 이러한 리드줄 역할을 간과하고 있다는 점을 지적한다. 이에 저자들은 FedWalk라는 새로운 FL 알고리즘을 제안한다. FedWalk는 서버 측에 별도의 쉽게 수렴하는 리드 과제를 두어 클라이언트의 수렴을 유도한다. 이론적 분석을 통해 리드 과제와 원래 과제 간 이질성의 중요성을 밝힌다.
실험 결과, FedWalk는 기존 FL 알고리즘들에 비해 비 IID 데이터 환경에서 월등한 성능을 보인다. 또한 기존 알고리즘들과 결합하여 성능을 더욱 향상시킬 수 있음을 확인했다.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問