이 논문은 연합 학습 최적화기 FedProx의 이론적 및 경험적 수렴 특성을 향상시키기 위해 서버 외삽 전략을 제안하고 연구한다. 외삽은 연합 학습에서 오랫동안 도움이 된다고 알려져 있지만, 이론적 보장을 제공하는 연구는 거의 없었다.
저자들은 부드러운 볼록 또는 강볼록 문제에 초점을 맞추었다. 특히 Extrapolated FedProx (FedExProx)를 제안하고 세 가지 외삽 전략을 연구한다:
이론은 신중하게 구성된 수치 실험으로 뒷받침된다.
다른 언어로
소스 콘텐츠 기반
arxiv.org
더 깊은 질문