一种解决数据异构问题的联邦学习方法
Effective method to solve problem of data heterogeneity in federated learning
1. 郑州师范学院 信息科学与技术学院, 郑州 450044
2. 天津工业大学 计算机科学与技术学院, 天津 300387
摘要
联邦学习是一种不通过中心化的数据训练就能获得机器学习模型的系统，源数据不出本地，降低了隐私泄露的风险，同时本地也获得优化训练模型。但是由于各节点之间的身份、行为、环境等不同，导致不平衡的数据分布可能引起模型在不同设备上的表现出现较大偏差，从而形成数据异构问题。针对上述问题，提出了基于节点优化的数据共享模型参数聚类算法，将聚类和数据共享同时应用到联邦学习系统中，该方法既能够有效地减少数据异构对联邦学习的影响，也加快了本地模型收敛的速度。同时，设计了一种评估全局共享模型收敛程度的方法，用于判断节点聚类的时机。最后，采用数据集EMNIST、CIFAR-10进行了实验和性能分析，验证了共享比例大小对各个节点收敛速度、准确率的影响，并进一步分析了当聚类与数据共享同时应用到联邦学习前后各个节点的准确率。实验结果表明，当引入数据共享后各节点的收敛速度以及准确率都有所提升，而当聚类与数据共享同时引入到联邦学习训练后，与FedAvg算法对比，其准确度提高10%~15%，表明了该方法针对联邦学习数据异构问题上有着良好的效果。
基金项目
国家自然科学基金资助项目(61972456,62172298)
出版信息
DOI: 10.19734/j.issn.1001-3695.2023.07.0296
出版期卷: 《计算机应用研究》 印刷出版, 2024年第41卷 第3期
所属栏目: 联邦学习专题
出版页码: 713-720
文章编号: 1001-3695(2024)03-011-0713-08
发布历史
[2023-09-06] 优先出版
[2024-03-05] 印刷出版
引用本文
张红艳, 张玉, 曹灿明. 一种解决数据异构问题的联邦学习方法 [J]. 计算机应用研究, 2024, 41 (3): 713-720. (Zhang Hongyan, Zhang Yu, Cao Canming. Effective method to solve problem of data heterogeneity in federated learning [J]. Application Research of Computers, 2024, 41 (3): 713-720. )
关于期刊
- 计算机应用研究 月刊
- Application Research of Computers
-
刊号
ISSN 1001-3695
CN 51-1196/TP
《计算机应用研究》创刊于1984年，是由四川省科技厅所属四川省计算机研究院主办的计算技术类学术刊物。
《计算机应用研究》瞄准本学科领域迫切需要的前沿技术，及时反映国内外计算机应用研究的主流技术、热点技术及最新发展趋势。主要刊载内容包括本学科领域高水平的学术论文、本学科最新科研成果和重大应用成果。栏目内容涉及计算机学科新理论、计算机基础理论、算法理论研究、算法设计与分析、区块链技术、系统软件与软件工程技术、模式识别与人工智能、体系结构、先进计算、并行处理、数据库技术、计算机网络与通信技术、信息安全技术、计算机图像图形学及其最新热点应用技术。
《计算机应用研究》拥有众多高层次读者、作者，读者对象主要为从事计算机学科领域高、中级研究人员及工程技术人员，各高等院校计算机专业及相关专业的师生。多年来《计算机应用研究》的总被引频次及Web下载率一直名列本学科同类学术刊物前茅，所刊发的学术论文以其新颖性、学术性、前瞻性、导向性、实用性而备受广大读者的喜爱。
收录和评价
- 第二届国家期刊奖百种重点期刊
- 中国期刊方阵双效期刊
- 全国中文核心期刊（北大2023年版）
- 中国科技核心期刊
- 中国科学引文数据库(CSCD)来源期刊
- RCCSE中国核心学术期刊
- 中国计算机学会会刊
- 2020—2022年科技期刊世界影响力指数(WJCI)报告收录期刊
- 中国科技期刊精品数据库全文来源期刊
- 中国学术期刊综合评价数据库来源期刊
- 《中国期刊网》《中国学术期刊(光盘版)》来源期刊
- 2017—2019年中国国际影响力优秀学术期刊(自然科学与工程技术)
- 中国精品科技期刊顶尖学术论文(F5000)项目来源期刊
- 《中国工程技术电子信息网》《电子科技文献数据库》来源期刊
- 英国《科学文摘》(INSPEC)来源期刊
- 《日本科学技术振兴机构数据库》(JST)来源期刊
- 俄罗斯《文摘杂志》(AJ, VINITI)来源期刊
- 美国《艾博思科学术数据库》(EBSCO)全文来源期刊
- 美国《剑桥科学文摘(自然科学)》(CSA(NS))核心期刊
- 波兰《哥白尼索引》(IC)来源期刊
- 美国《乌利希期刊指南(网络版)》(Ulrichsweb)收录期刊
