arXiv · ML· Antesh Upadhyay, Sang Bin Moon, Zhankun Luo, Abolfazl Hashemi·· 9 小时前AI 评分22
函数约束联邦优化中的随机切换方差缩减
Variance Reduction for Stochastic Switching in Functionally Constrained Federated Optimization
AI 导读
提出基于原始变量更新的联邦随机切换框架，解决约束投影成本高昂及随机约束信息难题。 支持凸目标误差反馈压缩，建立高概率收敛与可行性保证，并扩展至弱凸目标的近端驻点分析。 通过 Neyman-Pearson 分类及公平约束学习实验，验证了方差缩减估计器在降低约束误差上的有效性。
来源：arXiv · ML · arxiv.org