Effiziente und unkoordinierte Initialisierung von künstlichen neuronalen Netzwerken in dezentralisiertem föderativem Lernen

Eine neue Methode zur unkoordinierten Initialisierung von künstlichen neuronalen Netzwerken in dezentralisiertem föderativem Lernen, die die Verteilung der Eigenvektorzentralitäten des zugrunde liegenden Kommunikationsnetzwerks nutzt, führt zu einer deutlich verbesserten Trainingseffizienz.