BriefGPT - AI 论文速递
·
风险感知的异构客户加速无线联邦学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种风险感知加速联邦学习框架，通过考虑客户端数据数量、传输速率、传输错误和可信度，实现了分类和动态聚合方案，从而加快了收敛速度。实验结果显示，该方案在精确度和收敛速度上具有优势。
🎯
关键要点
-
提出了一种风险感知加速联邦学习框架。
-
框架考虑客户端数据数量、传输速率、传输错误和可信度。
-
通过分类客户端位置相关性能和可信度，实现动态聚合方案。
-
客户端根据传输速率和可信度参与，优化参与顺序。
-
实验结果显示该方案在精确度和收敛速度上优于两个基准方案。
➡️
