The Analysis and Optimization of Volatile Clients in Over-the-Air Federated Learning
Rattachement africain : cn, us, au. Niveau de preuve : code pays fourni par la source.
Le résumé fourni par la source
This paper investigates the implementation of Federated Learning (FL) in an over-the-air computation system with volatile clients, where each client operates under a limited energy budget and may unexpectedly drop out during local training sessions. The dropout of clients not only wastes energy but also diminishes their participation frequency, necessitating careful client selection by the server in each communication round. However, the diversity of training tasks and the random nature of client dropout present challenges such as the absence of an explicit objective function and the unavailability of client performance metrics. To address these challenges, we first analyze the convergence of the over-the-air federated learning system with volatile clients to identify the key factor influencing the model's convergence speed. Building upon this analysis, we propose an approximation of the objective function as the optimization goal for client selection. To mitigate energy waste, we introduce a dynamic client selection strategy termed DCSE, based on Exp3 with multiple plays and energy constraints, aiming to reconcile the dilemma of unknown local training states and limited resource constraints. Theoretical analysis demonstrates that our proposed solution maintains a constant bound on the difference from the optimal solution, affirming its theoretical feasibility. Furthermore, experimental results validate the effectiveness of the proposed strategy in enhancing FL by accelerating convergence speed, improving test accuracy, and reducing wasted energy.
Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.
Le contrôle bibliographique ouvert
DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.
- Titre Crossref
- The Analysis and Optimization of Volatile Clients in Over-the-Air Federated Learning
- Date Crossref
- 01/12/2024
- Éditeur
- Institute of Electrical and Electronics Engineers (IEEE)
- Type
- journal-article
Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.
Où se fait cette recherche
-
South China Agricultural University pays non établi dans la noticeUniversité ou école supérieure
-
South China University of Technology pays non établi dans la noticeUniversité ou école supérieure
-
SUNY New Paltz pays non établi dans la noticeUniversité ou école supérieure
-
The University of Sydney pays non établi dans la noticeUniversité ou école supérieure
-
College of Mathematics and Informatics (Software Enginering) pays non établi dans la noticeUniversité ou école supérieure
-
School of Computer Science & pays non établi dans la noticeUniversité ou école supérieure
-
State University of New York Department of Computer Science pays non établi dans la noticeUniversité ou école supérieure
South China Agricultural University, South China University of Technology et SUNY New Paltz, avec 4 autres affiliations.
Une affiliation ne permet pas de déduire la nationalité d’un auteur.