华东师范大学学报(自然科学版)

作者：史洪玮, 洪道诚, 施连敏, 杨迎尧

单位：史洪玮, 男, 博士研究生, 副教授, 研究方向为智能仪器. >

关键词：联邦学习,线性编码,异构系统,调度算法,

基金：国家自然科学基金 (61977025); 2021年度江苏省重点研发计划 (现代农业) 项目 (BE2021354); 2020宿迁市项目(Z2020133); 2021宿迁市现代农业项目 (L202109); 福建省高校重点实验室开放课题基金 (KLCCIIP2021201); 苏州市科技计划项目 (SNG201908)

异构联邦学习系统中的个人电脑、嵌入式设备等多种边缘设备, 存在资源受限的掉队者设备降低联邦学习系统训练效率的问题. 针对此问题, 本文提出了异构编码联邦学习(heterogeneous coded-based federated learning, HCFL)系统框架, 以实现: ①提高系统训练效率, 加快多掉队者场景下的异构联邦学习 (federated learning, FL)训练速度; ②提供一定级别的数据隐私保护. HCFL方案分别从客户端和服务器角度出发设计了调度策略, 以满足通用环境下多掉队者模型计算加速; 同时设计了线性编码计算方案(linear coded computing, LCC)为任务分发提供数据保护. 实验结果表明, 当异构FL中设备之间性能差异较大时, HCFL能够将训练时间缩短89.85%.

来源：2023年第5期

《华东师范大学学报(自然科学版)》期刊编辑部

查看华东师范大学学报(自然科学版)杂志2023年第5期