연합학습 기반 IoT 시스템의 데이터 비동질성 문제 해결을 위한 반분산 연합학습 알고리즘 FedSR
본 논문은 IoT 환경에서 데이터 비동질성 문제를 해결하기 위해 중앙집중형 연합학습과 분산형 연합학습을 결합한 반분산 클라우드-엣지-디바이스 계층형 연합학습 프레임워크 FedSR을 제안한다. FedSR은 각 엣지 서버에서 링 클러스터 기반의 증분 부경사 최적화 알고리즘을 사용하여 데이터 비동질성의 영향을 완화하고, 클라우드 서버는 엣지 서버 모델만 통합하여 클라우드 서버의 통신 병목 현상을 해결한다.
