Federated Learning Using Three-Operator ADMM

Federated learning (FL) has emerged as an instance of distributed machine learning paradigm that avoids the transmission of data generated on the users' side. Although data are not transmitted, edge devices have to deal with limited communication bandwidths, data heterogeneity, and straggler ef...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE journal of selected topics in signal processing Ročník 17; číslo 1; s. 205 - 221
Hlavní autoři:	Kant, Shashi, Silva, Jose Mairton B. da, Fodor, Gabor, Goransson, Bo, Bengtsson, Mats, Fischione, Carlo
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	New York IEEE 01.01.2023 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Algorithms Base stations communication efficiency Computer Science with specialization in Computer Communication Convergence Cost function Data models Datasets Datavetenskap med inriktning mot datorkommunikation distributed machine learning Federated learning Heterogeneity Machine learning Maskininlärning Numerical models Optimization Servers Signal processing algorithms three-operator ADMM
ISSN:	1932-4553, 1941-0484, 1941-0484
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!