论文笔记-モバイルエッジの異種リソースを使用したフェデレーション学習のクライアント選択
この論文は、フェデレーション学習アルゴリズムを改善するためにエッジコンピューティングに基づくプロトコルを提案します。
サーバーとベースステーション（BS）で構成されるワイヤレスネットワーク内の特定のMECプラットフォームは、サーバーとクライアントの動作を管理します。
MECオペレーターを使用して、クライアントを選択します。
最初に、特定の割合のクライアントをランダムに選択し、リソース情報（ワイヤレスチャネルのステータス、計算能力（たとえば、モデルを更新するためにCPUまたはGPUを節約できるかどうか）など）およびそれらに関連するデータリソースのサイズを送信するように依頼します。 ）MECオペレーターへ。
次に、MECオペレーターは、受け取った情報に基づいて、配布および計画された更新とアップロードのステップに必要な時間を見積もり、これらのステップを入力してクライアントを選択するクライアントを決定します。
FedCS合意
クライアントの選択
CIFAR-10およびFashion-MNISTデータセットを使用して、プロトコルのパフォーマンスをテストします。
IID
非IID
大量のデータを持つクライアントは、トレーニングに参加する機会が少なくなり、トレーニングに利用できる多くのデータが無駄になりますか？
