典型文献
基于在线双边拍卖的分层联邦学习激励机制
文献摘要：
在分层联邦学习中,能量受限的移动设备参与模型训练会消耗自身资源.为了降低移动设备的能耗,文中在不超过分层联邦学习的最大容忍时间下,提出了移动设备能耗之和最小化问题.不同训练轮次的边缘服务器能够选择不同的移动设备,移动设备也能够为不同的边缘服务器并发训练模型,因此文中基于在线双边拍卖机制提出了ODAM-DS算法.基于最优停止理论,支持边缘服务器在合适的时刻选择移动设备,使得移动设备的平均能耗最小,然后对提出的在线双边拍卖机制进行理论分析,证明其满足激励相容性、个体理性、弱预算均衡约束等特性.模拟实验的结果证明,ODAM-DS算法产生的能耗比已有的HFEL算法平均降低了19.04％.
文献关键词：
分层联邦学习;能耗最小化;在线双边拍卖;最优停止理论;激励机制设计
中图分类号：
作者姓名：
杜辉;李卓;陈昕
作者机构：
网络文化与数字传播北京市重点实验室(北京信息科技大学) 北京 100101;北京信息科技大学计算机学院 北京 100101
文献出处：
引用格式：
[1]杜辉;李卓;陈昕-.基于在线双边拍卖的分层联邦学习激励机制)[J].计算机科学,2022(03):23-30
A类：
在线双边拍卖,分层联邦学习,ODAM,HFEL
B类：
学习激励机制,移动设备,模型训练,容忍,轮次,边缘服务器,训练模型,此文,拍卖机制,DS,最优停止理论,激励相容,相容性,个体理性,模拟实验,能耗比,能耗最小化,激励机制设计
AB值：
0.198844
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
