DOI码：10.1109/INFOCOMWKSHPS61880.2024.10620731
所属单位：杭州国际创新研究院
发表刊物：IEEE INFOCOM 2024 - IEEE Conference on Computer Communications Workshops (INFOCOM WKSHPS)
刊物所在地：加拿大温哥华
关键字：hierarchical federated learning; loss-based heterogeneity; aggregation weights; mobile edge computing; non-IID data
摘要：分析无线层次化联邦学习在MEC内独立同分布、MEC间非独立同分布场景下的数据异质性和全局聚合间隔影响，提出基于损失异质性的聚合权重设计，以加快训练并提升精度；在高异质性场景中增益更为明显。
备注：IEEE INFOCOM 2024 Workshops论文；会议地点为加拿大温哥华。
合写作者：Youjia Chen, Junnan Yang, Ming Ding, Peng Cheng, Jinsong Hu, Haifeng Zheng
第一作者：Yuchuan Ye
论文类型：会议论文
论文编号：10620731
学科门类：工学
一级学科：信息与通信工程
文献类型：EI会议
页面范围：1-6
是否译文：否
发表时间：2024-05-20