-
题名面向医疗物联网的一种通信高效联邦学习方法设计
- 1
-
-
作者
朱韵卓
张义富
-
机构
信通院(西安)科技创新中心有限公司
北京佰才邦技术股份有限公司
-
出处
《中阿科技论坛（中英文）》
2024年第10期49-53,共5页
-
文摘
联邦学习作为一种先进的分布式机器学习范式,允许参与方在不直接共享原始数据的情况下协作训练模型,为解决大模型应用落地的技术难题提供了创新路径,是医疗智能服务的理想选择。然而,联邦学习在训练时,通常进行多次迭代,且客户端和云服务器反复传递高维度参数信息,这对训练一个复杂的模型而言通信开销不可忽略。因此,针对联邦学习在训练复杂模型时产生的高通信开销问题,文章设计了一种基于聚类的通信高效联邦学习方法,从所有客户端更新中选择具有代表性的本地更新并上传到服务器,以降低通信成本。实验结果表明,与经典联邦学习方法相比,该方法在保证模型性能的同时,能够大幅降低通信开销,从而提高联邦学习在医疗物联网中的运用效率。
-
关键词
医疗物联网
聚类分析
经典联邦学习
高效联邦学习
-
Keywords
Medical IoT
Cluster analysis
Classic federated learning
Efficient federated learning
-
分类号
TP3-0
[自动化与计算机技术—计算机科学与技术]
-
