登录
洞察 - 연방 학습
연방 ADMM-InSa: 연방 학습을 위한 부정확하고 자기 적응적인 ADMM
연방 학습에서 데이터와 시스템의 이질성에 강인한 FedADMM 방법은 하이퍼파라미터를 주의 깊게 조정하지 않으면 성능 저하를 겪는다. 이를 해결하기 위해 부정확하고 자기 적응적인 FedADMM 알고리즘인 FedADMM-InSa를 제안한다.
연방 학습 알고리즘들은 모두 동등하지 않다: 성능 평가 연구
연방 학습 알고리즘들은 정확도, 계산 오버헤드, 통신 오버헤드, 성능 안정성, 학습 불안정성 등 다양한 측면에서 서로 다른 특성을 보인다.
대규모 사전 학습 모델을 연방 학습에 활용하기 위한 통신 제약 극복
연방 학습에서 통신 비용을 크게 줄이면서도 강력한 사전 학습 모델의 성능을 유지할 수 있는 새로운 프레임워크인 FedPEFT를 제안한다.
연방 클라이언트의 다양성을 활용하여 기반 모델의 성능을 향상시키는 FedRA 알고리즘
FedRA는 연방 클라이언트의 다양한 계산 능력을 활용하여 기반 모델을 효과적으로 미세 조정할 수 있는 알고리즘이다.
