- …
- …
#259
summarized by : Haruhi Shida
どんな論文か？
本論文では宝くじ仮説に動機付けられた新しいアプローチであるFedLTNを提案．非同一・独立分布（non-IID）なデータ設定下において，通信効率が良くパーソナライズされたFLを実現するために，スパースでパーソナライズされたLottery networksを学習することを提案する．
新規性
「より速く，より大きなモデルのスパース性を達成するための巻き戻しを行わないポストプルーニング」を提案．この手法でLTHをFL設定に適用する際の最も差し迫った課題である，遅いモデルの刈り込みと収束に対処している．
結果
FedLTNとFedLTN with Jump-Startは，既存のFLアプローチと比較して，高いローカルテスト精度を達成し，モデルの刈り込みを大幅に加速し，通信コストを4.7倍に削減する．
CIFAR-10においてFedLTNはLotteryFL，FedAvgと比較してそれぞれ6.8％，9.8％高いローカルクライアントテスト精度を達成した(詳しくは添付画像を参照)．
その他（なぜ通ったか？等）
- …
- …