Zobrazeno 1 - 10
of 176
pro vyhledávání: '"Hierarchical federated learning"'
Publikováno v:
IEEE Access, Vol 12, Pp 147209-147219 (2024)
This paper designs a novel Hierarchical Federated Learning (HFL) management scheme, enabled by deep reinforcement learning (DRL), for multi-access edge computing (MEC) environments to accelerate convergence. To do this, the proposed scheme controls t
Externí odkaz:
https://doaj.org/article/1f03a7147ab048529adb57db322fc677
Publikováno v:
IEEE Open Journal of the Communications Society, Vol 5, Pp 457-471 (2024)
Hierarchical Federated Learning (HFL) has emerged to overcome the shortcomings of conventional Federated Learning (FL) due to communication obstacles between the end users and the cloud server and the congestion at the backhaul of wireless network im
Externí odkaz:
https://doaj.org/article/c3e04764f6ac488f944a77e40ed73e6d
Publikováno v:
Sensors, Vol 24, Iss 17, p 5492 (2024)
Advanced metering infrastructures (AMIs) aim to enhance the efficiency, reliability, and stability of electrical systems while offering advanced functionality. However, an AMI collects copious volumes of data and information, making the entire system
Externí odkaz:
https://doaj.org/article/afe1fb179fb04d7f8891bed7692ffc72
Publikováno v:
IEEE Open Journal of the Communications Society, Vol 4, Pp 1274-1284 (2023)
Aiming at protecting device data privacy, Federated Learning (FL) is a framework of distributed machine learning in which devices’ local model parameters are exchanged with a centralized server without revealing the actual data. Hierarchical Federa
Externí odkaz:
https://doaj.org/article/3d7fde86ffe341bab6a8c5a351ab6df5
Publikováno v:
Jisuanji kexue, Vol 49, Iss 12, Pp 5-16 (2022)
Compared with traditional machine learning,federated learning effectively solves the problems of user data privacy and security protection,but a large number of model exchanges between massive nodes and cloud servers will produce high communication c
Externí odkaz:
https://doaj.org/article/ea5187b012044f9193dbb226f8faebf5
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
DU Hui, LI Zhuo, CHEN Xin
Publikováno v:
Jisuanji kexue, Vol 49, Iss 3, Pp 23-30 (2022)
In hierarchical federated learning,energy constrained mobile devices will consume their own resources for participating in model training.In order to reduce the energy consumption of mobile devices,this paper proposes the problem of minimizing the su
Externí odkaz:
https://doaj.org/article/b1f88cee2a524582ae7f52dd24b018b2
Publikováno v:
IEEE Access, Vol 10, Pp 132752-132762 (2022)
In this paper, we investigate the aggregated model quality maximization problem in hierarchical federated learning, the decision problem of which is proved NP-complete. We develop the mechanism MaxQ to maximize the sum of local model quality, which c
Externí odkaz:
https://doaj.org/article/32d7c71caad74188b636ddfa14dfbef6