Federated Learning Via Inexact ADMM

One of the crucial issues in federated learning is how to develop efficient optimization algorithms. Most of the current ones require full device participation and/or impose strong assumptions for convergence. Different from the widely-used gradient descent-based algorithms, in this article, we deve...

Celý popis

Podrobná bibliografie

Vydáno v:	IEEE transactions on pattern analysis and machine intelligence Ročník 45; číslo 8; s. 9699 - 9708
Hlavní autoři:	Zhou, Shenglong, Li, Geoffrey Ye
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.08.2023 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Approximation algorithms Communication and computation-efficiency Convergence Convex functions Federated learning global convergence inexact ADMM Learning Machine learning Optimization partial device participation Servers Training
ISSN:	0162-8828, 1939-3539, 2160-9292, 1939-3539
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!