需申請審核

H11-M26_基於用戶回饋資訊之分散式動態訓練策略

Abstract

Federated learning provides a decentralized learning without data exchange. Among them, the Federated Average (FedAVG) framework is the most likely to be implemented in real world application due to its low communication overhead. However, this architecture can easily affect the efficiency of global model convergence when there are differences data distribution in individual user. Therefore, in this paper, we propose an aggregation strategy called significant Weighted feature aggregation method, in which the features with large variation are appropriately weighted at the server side to improve the model convergence speed even in not identically and independently distributed (non-iid) environments. As shown in our experiments, our approach had over 10% of improvements compared to the FedAVG.

Keywords

deep learning, distribution system, federated learning

資料與資源

額外的資訊

欄位
作者 楊惟中
維護者 羅梅爾
最後更新 2023年10月4日, 凌晨1點57分 (UTC+00:00)
建立 2023年7月11日, 凌晨3點04分 (UTC+00:00)

推薦資料集:


  • 歷年台閩縣市鄉鎮市區原住民族人口-原鄉人數統計

    付費方式 免費
    更新頻率 不定期
    歷年台閩縣市鄉鎮市區原住民族人口-原鄉人數統計
  • 台灣中油股份有限公司_MiRAGE專業經銷商(汽車用油)

    付費方式 免費
    更新頻率 不定期
    MiRAGE汽車用油專業經銷商名單及連絡資訊
  • 臺北市政府財政局年度菸酒業者抽檢情形

    付費方式 免費
    更新頻率 不定期
    臺北市政府財政局年度各月份菸酒業者抽檢情形
  • 漁船基本資料

    付費方式 免費
    更新頻率 不定期
    提供資料包含:組織型態、兼營娛樂漁船註記、檢查完成日期、漁船建造核准日期、造船廠、下次檢查日期、漁船建造預估完工日期、漁船別、船員定額、丈量日期、船員人數、下水日期、漁業執照有效期限、…等欄位資料。
  • 新竹縣身障就業資源地圖(支持性就服單位)

    付費方式 免費
    更新頻率 不定期
    新竹縣身障就業資源地圖(支持性就服單位)