通信高效的联邦学习：一种基于事件触发的 SAGA 方法

原文约300字，阅读约需1分钟。发表于：。

这篇论文提出了一种多服务器联邦学习 (Confederated Learning) 框架，旨在通过去中心化协作减少通信开销，并采用随机梯度方法以线性收敛速度提高通信效率。

本文介绍了一种采用随机梯度下降算法的分散式联邦学习（DFL）模型，以改善代理网络中的学习性能。实验结果表明所提出的调度策略对收敛速度和最终全局模型均有影响。