已入深夜,您辛苦了!由于当前在线用户较少,发布求助请尽量完整地填写文献信息,科研通机器人24小时在线,伴您度过漫漫科研夜!祝你早点完成任务,早点休息,好梦!

HELCFL: High-Efficiency and Low-Cost Federated Learning in Heterogeneous Mobile-Edge Computing

计算机科学 GSM演进的增强数据速率 加速 联合学习 高效能源利用 边缘计算 移动设备 培训(气象学) 边缘设备 能源消耗 服务器 分布式计算 实时计算 人工智能 操作系统 云计算 电气工程 工程类 生态学 生物 物理 气象学
作者
Yangguang Cui,Kun Cao,Junlong Zhou,Tongquan Wei
标识
DOI:10.23919/date54114.2022.9774662
摘要

Federated Learning (FL), an emerging distributed machine learning (ML), empowers a large number of embedded devices (e.g., phones and cameras) and a server to jointly train a global ML model without centralizing user private data on a server. However, when deploying FL in a mobile-edge computing (MEC) system, restricted communication resources of the MEC system, heterogeneity and constrained energy of user devices have a severe impact on FL training efficiency. To address these issues, in this article, we design a distinctive FL framework, called HELCFL, to achieve high-efficiency and low-cost FL training. Specifically, by analyzing the theoretical foundation of FL, our HELCFL first develops a utility-driven and greedy-decay user selection strategy to enhance FL performance and reduce training delay. Subsequently, by analyzing and utilizing the slack time in FL training, our HELCFL introduces a device operating frequency determination approach to reduce training energy costs. Experiments verify that our HELCFL can enhance the highest accuracy by up to 43.45 %, realize the training speedup of up to 275.03%, and save up to 58.25% training energy costs compared to state-of-the-art baselines.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
PDF的下载单位、IP信息已删除 (2025-6-4)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
乐乐应助伽拉采纳,获得10
1秒前
量子星尘发布了新的文献求助10
1秒前
xiaolei完成签到 ,获得积分10
4秒前
5秒前
健忘数据线完成签到 ,获得积分10
6秒前
oxs完成签到 ,获得积分10
8秒前
完美世界应助科研通管家采纳,获得10
9秒前
斯文败类应助科研通管家采纳,获得10
9秒前
传奇3应助科研通管家采纳,获得10
9秒前
EVE完成签到,获得积分10
9秒前
天天快乐应助科研通管家采纳,获得10
9秒前
小二郎应助科研通管家采纳,获得10
9秒前
CipherSage应助科研通管家采纳,获得10
9秒前
文艺的念之完成签到 ,获得积分10
9秒前
踏实啤酒发布了新的文献求助30
11秒前
Yunis发布了新的文献求助10
12秒前
Alex给芯之痕的求助进行了留言
13秒前
nini完成签到,获得积分10
13秒前
13秒前
完美世界应助科研小白采纳,获得10
15秒前
U9A发布了新的文献求助20
19秒前
liuyanq发布了新的文献求助10
20秒前
21秒前
鱼羊明完成签到 ,获得积分10
23秒前
24秒前
24秒前
苏满天完成签到 ,获得积分10
25秒前
钱仙人完成签到,获得积分10
26秒前
liuyanq完成签到,获得积分10
26秒前
科研小白发布了新的文献求助10
26秒前
赵坤煊完成签到 ,获得积分10
28秒前
Husayn发布了新的文献求助10
28秒前
song发布了新的文献求助10
29秒前
ganjqly应助段盈采纳,获得20
30秒前
大胆隶完成签到,获得积分10
35秒前
科研小白完成签到,获得积分10
35秒前
U9A发布了新的文献求助20
36秒前
Zz发布了新的文献求助10
36秒前
38秒前
农夫完成签到,获得积分0
38秒前
高分求助中
A new approach to the extrapolation of accelerated life test data 1000
Picture Books with Same-sex Parented Families: Unintentional Censorship 700
ACSM’s Guidelines for Exercise Testing and Prescription, 12th edition 500
Nucleophilic substitution in azasydnone-modified dinitroanisoles 500
不知道标题是什么 500
Indomethacinのヒトにおける経皮吸収 400
Phylogenetic study of the order Polydesmida (Myriapoda: Diplopoda) 370
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 遗传学 基因 物理化学 催化作用 冶金 细胞生物学 免疫学
热门帖子
关注 科研通微信公众号,转发送积分 3976531
求助须知:如何正确求助?哪些是违规求助? 3520576
关于积分的说明 11204042
捐赠科研通 3257210
什么是DOI,文献DOI怎么找? 1798648
邀请新用户注册赠送积分活动 877835
科研通“疑难数据库(出版商)”最低求助积分说明 806555