本研究提出了一种创新的通信方案，针对边缘网络中分散式联邦学习的性能挑战，解决了多跳带宽受限的问题。该算法将训练时间缩短超过80%，提高了计算效率并保持了准确性。

本文提出多种基于信息瓶颈的通信方案，优化特征提取、编码和传输效率，解决多设备合作推理中的通信延迟问题。研究显示新方法在特征对齐、压缩和泛化能力方面具有显著优势，尤其在无监督领域自适应和深度神经网络分析中表现突出。