همانطور که میدانیم، یادگیری فدرال (Federated Learning) راهکار محبوبی برای حفظ حریم خصوصی است، اما وقتی با سختافزارهای محدود و دادههایی که لحظه به لحظه اضافه میشوند (Continual Data Arrival) طرف هستیم، چالشها دوچندان میشوند!
محققان به تازگی الگوریتم جدیدی به نام OSAFL را معرفی کردهاند که به طور خاص برای محیطهای وایرلس با منابع محدود طراحی شده است. این الگوریتم با مدیریت هوشمندِ وزندهی در سرور مرکزی، خطاهای ناشی از نویز و توزیع غیریکسان دادهها را بهشدت کاهش میدهد و عملکرد مدلها را در شرایط واقعی ارتقا میبخشد. 💡📈
منبع: arXiv Machine Learning