-
题名面向边缘计算场景的个性化联邦学习综述
- 1
-
-
作者
何帆
王勇
杨静
于旭
-
机构
哈尔滨工程大学计算机科学与技术学院
哈尔滨工程大学电子政务建模仿真国家工程实验室
中国石油大学(华东)计算机科学与技术学院
-
出处
《通信学报》
北大核心
2025年第7期206-225,共20页
-
基金
国家自然科学基金资助项目(No.62472441)
国家重点研发计划基金资助项目(No.2022YFC3301804)
+1 种基金
教育部人文社会科学研究青年基金资助项目(No.20YJCZH172)
黑龙江省自然科学基金资助项目(No.LH2024F035)。
-
文摘
针对传统联邦学习在边缘计算场景中面临边缘节点数据异质、个性化需求等挑战,导致全局模型难以适配多样化的边缘节点,对面向边缘计算场景的个性化联邦学习研究进展进行系统性的综述。首先,回顾个性化联邦学习的背景及意义并分析数据异质性对联邦学习的影响。其次,介绍数据异质性的概念,并归纳数据异质性的常见形式。然后,梳理现阶段面向边缘计算场景的个性化联邦学习研究方法,主要包括基于数据、基于客户端模型优化、基于服务器聚合优化、基于全局架构优化、基于大模型以及基于原型学习的5种关键方法。最后,对其发展趋势进行探讨并展望未来可能的研究方向,为未来个性化联邦学习领域的研究提供指引和方向。
-
关键词
边缘计算场景
模型协同训练
数据异质性
个性化联邦学习
-
Keywords
edge computing scenario
collaborative model training
data heterogeneous
personalized federated learning
-
分类号
TN92
[电子电信—通信与信息系统]
-
