基于异构设备的自适应分配编码器的联邦学习

摘要： 在联邦学习中，不同用户的设备计算、通信、储存能力存在很大差别，容易产生掉队等不公平问题，对现有的联邦学习提出重大挑战。为解决这一问题，提出一种自适应编码器分配模型(federated learning adaptive encoders, FedAE),根据设备的性能将不同编码器组合发送给用户进行本地更新，在服务器端对相应的编码器进行参数聚合。通过这样按需分配，使得所有设备充分... （共8页）