arXiv · ML· Kota Maejima, Takayuki Nishio, Asato Yamazaki, Yuko Hara-Azumi·· 2026-10-07AI 评分34
Tram-FL 通过去中心化联邦学习中的顺序模型循环降低通信与计算成本
Tram-FL: Reducing Communication and Computation Costs through Sequential Model Circulation in Decentralized Federated Learning
AI 导读
Tram-FL 采用单一模型在节点间顺序循环训练,旨在最小化去中心化联邦学习的计算与通信开销。 算法通过量化动量减少模型循环次数并控制单次传输负载,在解决非独立同分布数据导致的资源浪费方面表现有效。 实验表明该方法能在降低资源消耗的同时,使模型收敛至全局最优,即使面对非独立同分布数据亦然。
来源:arXiv · ML · arxiv.org