现有的几种联邦学习架构(全局聚合模式)

5种联邦学习架构

1. 集中式联邦学习(centralized federated learning)

最典型的联邦学习聚合模式,全局聚合只发生在集中式边缘/云服务器上。

2. 分层联邦学习(hierarchical federated learning

模型先在多个边缘服务器上进行聚合,再在云中进行全局聚合

3. 分布式联邦学习(distributed federated learning)

多个联邦服务器进行全局聚合,最终联邦服务器之间以分布式的方式聚合所有模型。

4.协作联邦学习(collaborative federated learning)

通信资源不足的参与者可以将模型传输给附近的资源充足参与者,参与者聚合自己的模型和资源不足参与者的模型,将得到的模型传输至服务器实现全局聚合。在这过程中也有设备直接传输本地模型至服务器。这种模式可以以同步和异步的方式来实现。

attachments-2022-11-7t68VU1p636ba1429f5f6.JPG                          图1 协作联邦学习

5. 分散联邦学习

子全局模型在不同组内进行计算。然后,子全局模型在不同组内进行迁移,最终形成全局联邦学习模型。

attachments-2022-11-n4eK4Wi5636ba272aa258.JPG             图2 分散联邦学习用于智能交通

Reference

[1] Khan L U, Saad W, Han Z, et al. Federated learning for internet of things: Recent advances, taxonomy, and open challenges[J]. IEEE Communications Surveys & Tutorials, 2021.

你可能感兴趣的文章

相关问题

0 条评论

请先 登录 后评论
张周阳子
张周阳子

4 篇文章

作家榜 »

  1. Panda-admin 37 文章
  2. 解弘艺 17 文章
  3. 高曾谊 16 文章
  4. 旺仔牛奶opo 15 文章
  5. 胡中天 14 文章
  6. LH 14 文章
  7. 罗柏荣 13 文章
  8. 林晨 12 文章