计算机应用研究

作者：王光辉,白天水,丁爽,何欣,

单位：1.河南大学软件学院,河南开封475000；2.河南省智能网络理论与关键技术国际联合实验室,河南开封475000；

关键词：联邦学习,设备异构,代理选举,云边端,高效性,

基金：中国博士后科学基金面上资助项目(2020M672217,2020M672211)；河南省重大科技专项(201300210400)；河南省重点研发与推广专项(科技攻关)(212102210094,222102210133,222102210055)；河南省高等学校重点科研项目(21A520003)；；

物联网多样性终端设备在计算、存储、通信方面的异构性导致联邦学习效率不足。针对上述联邦训练过程中面临的问题，基于代理选举思路，提出了一种高效联邦学习算法。设计了基于马氏距离的代理节点选举策略，将设备的计算能力与闲置时长作为选举因素，选举性价比高的设备作为代理节点，充分发挥设备计算能力。进一步设计了基于代理节点的新型云边端联邦学习架构，提升了异构设备之间的联邦学习效率。基于MNIST和CIFAR-10公开数据集与智能家居设备真实数据的实验表明，该联邦学习方法的效率提高了22%。

来源：2024年第3期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2024年第3期