Systems
सोपं ठेवा: अविश्वसनीय क्लायंटसह फेडरेटेड लर्निंगचे दोष सहनशीलता मूल्यांकन
Author
Venue
आयईईई क्लाउड २०२३
Abstract
फेडरेटेड लर्निंग (FL), एक उदयोन्मुख कृत्रिम बुद्धिमत्ता (AI) पद्धत म्हणून, अनेक उपकरणांवर त्यांच्या स्थानिक प्रशिक्षण डेटाचा खुलासा न करता विकेंद्रीकृत मॉडेल प्रशिक्षण सक्षम करते. FL अकादमी आणि उद्योगात दिवसेंदिवस लोकप्रिय होत आहे. FL ची दोष सहनशक्ती सुधारण्यासाठी संशोधन कार्ये सुचवण्यात आली असली तरी, प्रत्यक्ष अनुप्रयोगांमध्ये अविश्वसनीय उपकरणांचा (उदा. कनेक्शन ड्रॉप होणे, चुकीची कॉन्फिगरेशन, खराब डेटा गुणवत्ता) खरा परिणाम पूर्णपणे तपासला गेला नाही. आम्ही FL च्या दोष सहनशक्तीचे अधिक चांगले विश्लेषण करण्यासाठी मर्यादित ग्राहकांसह दोन प्रतिनिधी, वास्तविक-जगातील वर्गीकरण समस्या काळजीपूर्वक निवडल्या. अपेक्षेच्या विपरीत, साधे FL अल्गोरिदम अविश्वसनीय ग्राहकांच्या उपस्थितीत आश्चर्यकारकपणे चांगले कामगिरी करू शकतात.
