Yazar
Özfatura, E., Özfatura, Ahmet Kerem, Gündüz, D.
Basım Tarihi
2021
Basım Yeri
-
IEEE
Tür
Belge
Dil
İngilizce
Dijital
Evet
Yazma
Hayır
Kütüphane
Özyeğin Üniversitesi
Demirbaş Numarası
978-1-5386-8209-8
Kayıt Numarası
4efdcd74-194b-4ad5-9c49-916da91eb333
Tarih
2021
Notlar
Mühendislik ve Fizik Bilimleri Araştırma Konseyi; Avrupa Araştırma Konseyi
Örnek Metin
Birleşik öğrenme (FL), gizlilik kaygısı taşıyan uç cihazlar arasında işbirliğine dayalı öğrenme için fiili bir çerçeve haline geldi. FL stratejisinin özü, stokastik gradyan inişinin (SGD) dağıtılmış bir şekilde kullanılmasıdır. FL'nin büyük ölçekli uygulaması, SGD için tasarlanan hızlandırma tekniklerinin dağıtılmış ortama dahil edilmesi ve yerel veri kümelerinin homojen olmayan dağılımından kaynaklanan sürüklenme sorununun azaltılması gibi yeni zorlukları beraberinde getirir. Bu iki problem literatürde ayrı ayrı incelenmiştir; oysa bu yazıda, FL çerçevesinde herhangi bir büyük değişiklik yapmadan veya ek hesaplama ve iletişim yükü getirmeden, tek bir strateji kullanarak her iki sorunu da çözmenin mümkün olduğunu gösteriyoruz. Bu hedefe ulaşmak için, sürüklenme kontrollü hızlandırılmış FL algoritması olan FedADC'yi öneriyoruz. FedADC'nin avantajlarını ampirik olarak gösteriyoruz.
DOI
10.1109/ISIT45174.2021.9517850
