BriefGPT - AI 论文速递
·
连续联邦学习的协调重放样本选择
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了一种基于 Ornstein-Uhlenbeck 过程的方案，通过收集具有信息更新的客户端模型和估计没有通信的本地更新的方式来更新中央模型，实现了在保证性能的同时显著减少了通信量，为联邦学习提供了一种新的通信效率优化方案。
🎯
关键要点
- 提出了一种基于 Ornstein-Uhlenbeck 过程的方案。
- 在受通信限制的情况下更新中央模型。
- 通过收集具有信息更新的客户端模型来实现更新。
- 估计没有通信的本地更新以减少通信量。
- 在保证性能的同时显著减少了通信量。
- 为联邦学习提供了一种新的通信效率优化方案。
🏷️
标签
➡️
