효율적인 클라이언트 관리를 통한 연합학습 성능 향상 


13권  12호, pp. 661-668, 12월  2024
https://doi.org/10.3745/TKIPS.2024.13.12.661


PDF
  요약

연합학습의 non-IID 데이터셋 환경에서는 학습 딜레이 및 클라이언트 간의 데이터셋 불균형으로 인한 학습 성능 저하 등의 문제점이 있다. 이러한 성능 저하를 방지하기 위해, 적절한 클라이언트를 선택하는 것은 학습에서 중요한 부분 중 하나이다. 이 논문에서는 연합학습 모델에 가상 큐를 기반으로 한 UCB 알고리즘을 적용하여 클라이언트 선택을 진행하는 방식을 사용하고 있다. 또한 기존의 UCB 알고리즘 선택 방식과 다르게 학습 진행 상황에 따라 클라이언트 선택을 조절하는 알고리즘을 제안한다. 먼저 학습 진행 상황을 클라이언트 선택 과정에 반영하여 모델의 학습 시간을 줄일 수 있었다. 추가적으로 모델의 성능 향상을 위해 UCB의 클라이언트 탐색을 동적으로 바꾸는 방식을 제안한다. 학습 중반 이후의 학습이 안정화되면, 클라이언트의 탐색을 조절하여 모델의 성능 개선을 이루었다. 논문의 실험 결과는 해당 알고리즘을 활용하였을 때 학습시간 단축, 모델의 정확도 향상 등의 이점이 있음을 보여준다.

  통계
  논문 참조

[IEEE Style]

K. T. Woo and K. Taejoon, "Performance Enhancement of Federated Learning through Effective Client Management," The Transactions of the Korea Information Processing Society, vol. 13, no. 12, pp. 661-668, 2024. DOI: https://doi.org/10.3745/TKIPS.2024.13.12.661.

[ACM Style]

Kang Tae Woo and Kim Taejoon. 2024. Performance Enhancement of Federated Learning through Effective Client Management. The Transactions of the Korea Information Processing Society, 13, 12, (2024), 661-668. DOI: https://doi.org/10.3745/TKIPS.2024.13.12.661.

논문 투고 양식

검색
(제목, 저자, 키워드)

세부 검색 ▼

관심이 많은 키워드
(상위 10개 키워드)

최근 출판 목록
(최근 3년)

과거 출판 목록

인덱싱

TKIPS에 출판되는 모든 논문은 DOI, EBSCO, Google Scholar, Crossref, CrossCheck에 인덱스됩니다.

TKIPS는 한국연구재단(National Research Foundation) 등재학술지입니다.

유관 저널