arXiv · cs.AI · Usevalad Milasheuski, Monica Nicoli, Stefano Savazzi · 11 小时前模型评分29
去中心化联邦学习中的连接感知客户端选择方法
Connectivity-Aware Client Selection in Decentralized Federated Learning
导读
一项研究提出用图谱工具做轻量客户端选择，让去中心化联邦学习（DFL，Decentralized Federated Learning）中的每个客户端只向结构上最相关的邻居发送模型更新，而非全邻域广播。在数据异构性强、结构丰富的大图上，该方法准确率最高提升约 3 个百分点，同时传输消息总数比朴素广播减少 50%。
分类置信度
中 · 待人工复核
- 只有单一媒体来源，需要人工复核。
来源级别：媒体与个人
事件类型：研究发布
证据摘录
- “This paper applies spectral graph tools as lightweight client selection methods that leverage the graph topology by analyzing the spectral properties of the graph Laplacian over a fixed communication graph.”
来源：arXiv · cs.AI · arxiv.org