BriefGPT - AI 论文速递 · 2024-12-15T00:00:00Z

ProFe: Communication-Efficient Decentralized Federated Learning via Distillation and Prototyping

📝

内容提要

本研究提出ProFe算法，旨在解决去中心化联邦学习中的通信管理和模型聚合问题，降低通信成本40-50%，同时提升模型性能，为DFL应用提供新方案。

🎯

关键要点

• 本研究提出ProFe算法，旨在解决去中心化联邦学习中的通信管理和模型聚合问题。

• ProFe算法结合了知识蒸馏、原型学习和量化技术。

• 该算法显著降低了通信成本，达到40-50%。

• 同时，ProFe算法保持或提升了模型性能。

• 为去中心化联邦学习的实际应用提供了新的解决方案。

🏷️

标签

ProFe算法 去中心化 模型性能 联邦学习 通信成本