decentralized-federated-learning

深度分析

PushCen-ADFL：以質心壓縮與 push-sum 去偏聚合實現通信節省的非同步去中心化聯邦學習

聯邦學習在去中心化與非同步場景面臨通信負擔、聚合偏差與模型漂移。本研究提出PushCen-ADFL，以質心壓縮傳輸、推和（push-sum）去偏聚合及去重緩衝，共構壓縮與優化的閉環。並以質心對齊的近端正則化穩定本地更新。實驗在影像資料集上提出高精度與顯著通訊節省。