|임성화 교수 연구실
홈
연구 영역
기본 정보
논문·특허
과제
구성원
Article|
인용수 5
·2024
Federated Learning with Pareto Optimality for Resource Efficiency and Fast Model Convergence in Mobile Environments
June-Pyo Jung, Young‐Bae Ko, Sung‐Hwa Lim
IF 3.5 (2024) Sensors
초록

0.75에서 제안한 방식은 FedAvg 방법과 비교하여 각각 전송 및 수신 네트워크 트래픽을 75.89%와 78.77%까지 효과적으로 감소시켰다. 또한 FedAvg 및 D2D-FedAvg와 같은 다른 FL 메커니즘에 비해 더 빠른 모델 수렴을 달성한다.

*본 초록은 AI를 통해 원문을 번역한 내용입니다. 정확한 내용은 하기 원문에서 확인해주세요.

키워드
Computer scienceCluster analysisConvergence (economics)Pareto principleScheme (mathematics)Distributed computingTransmission (telecommunications)Resource (disambiguation)Path (computing)Computer network
타입
Article
IF / 인용수
3.5 / 5
원문
https://doi.org/10.3390/s24082476
게재 연도
2024