Energieeffiziente und latenzoptimierte dezentralisierte föderierte Maschinelles Lernen in drahtlosen Netzwerken

Durch die Optimierung der Anzahl der lokalen Trainingsrunden auf verschiedenen Geräten und die Verwendung energiesparender Aggregationsverfahren kann die Leistung des dezentralisierten föderierenden Maschinellen Lernens in energiebegrenzten drahtlosen Netzwerken verbessert werden.