Fugu-MT 論文翻訳(概要): FLRA: A Reference Architecture for Federated Learning Systems

論文の概要: FLRA: A Reference Architecture for Federated Learning Systems

arxiv url: http://arxiv.org/abs/2106.11570v1
Date: Tue, 22 Jun 2021 06:59:19 GMT
ステータス: 処理完了
システム内更新日: 2021-06-23 14:40:31.101072
Title: FLRA: A Reference Architecture for Federated Learning Systems
Title（参考訳）: FLRA:フェデレーション学習システムのためのリファレンスアーキテクチャ
Authors: Sin Kit Lo, Qinghua Lu, Hye-Young Paik, and Liming Zhu
Abstract要約: フェデレートラーニング(Federated Learning)は、複数のデバイスが、クライアントのローカルデータを共有せずに、モデルをローカルにトレーニングし、グローバルモデルを定式化する、新たな機械学習パラダイムである。我々は,フェデレート学習システムのための参照アーキテクチャであるFLRAを提案し,フェデレーション学習ベースのソリューションのためのテンプレート設計を提供する。
参考スコア（独自算出の注目度）: 8.180947044673639
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Federated learning is an emerging machine learning paradigm that enables multiple devices to train models locally and formulate a global model, without sharing the clients' local data. A federated learning system can be viewed as a large-scale distributed system, involving different components and stakeholders with diverse requirements and constraints. Hence, developing a federated learning system requires both software system design thinking and machine learning knowledge. Although much effort has been put into federated learning from the machine learning perspectives, our previous systematic literature review on the area shows that there is a distinct lack of considerations for software architecture design for federated learning. In this paper, we propose FLRA, a reference architecture for federated learning systems, which provides a template design for federated learning-based solutions. The proposed FLRA reference architecture is based on an extensive review of existing patterns of federated learning systems found in the literature and existing industrial implementation. The FLRA reference architecture consists of a pool of architectural patterns that could address the frequently recurring design problems in federated learning architectures. The FLRA reference architecture can serve as a design guideline to assist architects and developers with practical solutions for their problems, which can be further customised.
Abstract（参考訳）: フェデレーション学習(federated learning)は、複数のデバイスでモデルをローカルにトレーニングし、クライアントのローカルデータを共有せずにグローバルモデルを定式化する、新たなマシンラーニングパラダイムである。連合学習システムは,さまざまな要件と制約を持ったさまざまなコンポーネントやステークホルダを含む,大規模分散システムと見なすことができる。したがって、連合学習システムの開発には、ソフトウェアシステム設計思考と機械学習知識の両方が必要である。機械学習の観点からは、フェデレーション学習に多くの努力が払われているが、この領域に関する以前の体系的文献レビューでは、フェデレーション学習のためのソフトウェアアーキテクチャ設計に対する考慮が明確に欠落していることが示されている。本稿では,フェデレート学習システムのための参照アーキテクチャであるFLRAを提案する。提案するFLRA参照アーキテクチャは,文献および既存の産業実装に見られる,既存のフェデレーション学習システムパターンの広範なレビューに基づいている。 FLRA参照アーキテクチャは、連合学習アーキテクチャにおける頻繁な設計問題に対処できるアーキテクチャパターンのプールで構成されている。 FLRA参照アーキテクチャは、アーキテクトや開発者の問題解決を支援するための設計ガイドラインとして機能し、さらにカスタマイズすることができる。

関連論文リスト

Handling Data Heterogeneity via Architectural Design for Federated Visual Recognition [16.50490537786593]
4つのFLデータセットを用いて、5つの異なるアーキテクチャファミリからの19の視覚認識モデルについて検討する。本研究は,現実的なシナリオにおけるコンピュータビジョンタスクにおけるアーキテクチャ設計の重要性を強調した。
論文参考訳（メタデータ） (2023-10-23T17:59:16Z)
Serving Deep Learning Model in Relational Databases [70.53282490832189]
リレーショナルデータ上での深層学習(DL)モデルの実現は、様々な商業分野や科学分野において重要な要件となっている。最先端のDL中心アーキテクチャは、DL計算を専用のDLフレームワークにオフロードします。 UDF中心アーキテクチャの可能性は、リレーショナルデータベース管理システム(RDBMS)内の1つ以上のテンソル計算をユーザ定義関数(UDF)にカプセル化する。
論文参考訳（メタデータ） (2023-10-07T06:01:35Z)
Machine Learning-Enabled Software and System Architecture Frameworks [48.87872564630711]
データサイエンスと機械学習に関連する関心事、例えばデータサイエンティストやデータエンジニアの利害関係者は、まだ既存のアーキテクチャフレームワークには含まれていない。 10か国25以上の組織から61名の被験者を対象に調査を行った。
論文参考訳（メタデータ） (2023-08-09T21:54:34Z)
Deep Equilibrium Models Meet Federated Learning [71.57324258813675]
本研究では,従来の深層学習ネットワークの代わりにDeep Equilibrium(DEQ)モデルを用いて,フェデレートラーニング(FL)問題について検討する。我々は、DECモデルをフェデレート学習フレームワークに組み込むことで、FLのいくつかのオープンな問題に自然に対処できると主張している。我々の知る限りでは、この研究は、DECモデルとフェデレーションラーニングの関連性を確立する最初のものである。
論文参考訳（メタデータ） (2023-05-29T22:51:40Z)
A Compositional Approach to Creating Architecture Frameworks with an Application to Distributed AI Systems [16.690434072032176]
構成的思考が複雑なシステムのためのアーキテクチャフレームワークの作成と管理のルールをいかに提供できるかを示す。論文の目的は、AIシステム特有の視点やアーキテクチャモデルを提供することではなく、既存の、または新しく作成された視点で一貫したフレームワークを構築する方法についてのガイドラインを提供することである。
論文参考訳（メタデータ） (2022-12-27T18:05:02Z)
FedHeN: Federated Learning in Heterogeneous Networks [52.29110497518558]
ヘテロジニアスネットワークを用いたフェデレーション学習のための新しい学習レシピを提案する。我々は,高次複雑度デバイスを対象とするトレーニングを導入し,連携した環境で異なるアーキテクチャを共同で訓練する。
論文参考訳（メタデータ） (2022-07-07T01:08:35Z)
Decision Models for Selecting Federated Learning Architecture Patterns [7.468413169676602]
フェデレートされた機械学習アーキテクチャ設計のためのパターン選択のための一連の決定モデルを提案する。各決定モデルは、フェデレートされた機械学習システムの機能的および非機能的要件を一連のパターンにマッピングする。
論文参考訳（メタデータ） (2022-04-28T05:07:26Z)
Architectural Patterns for the Design of Federated Learning Systems [12.330671239159102]
機械学習におけるデータの空腹とプライバシの課題に取り組むため、フェデレーション学習は学界や業界から急速に関心を集めている。本稿では,連合型学習システムの設計課題に対処するアーキテクチャパターンの集合について述べる。
論文参考訳（メタデータ） (2021-01-07T05:11:09Z)
Edge-assisted Democratized Learning Towards Federated Analytics [67.44078999945722]
本稿では,エッジ支援型民主化学習機構であるEdge-DemLearnの階層的学習構造を示す。また、Edge-DemLearnを柔軟なモデルトレーニングメカニズムとして検証し、リージョンに分散制御と集約の方法論を構築する。
論文参考訳（メタデータ） (2020-12-01T11:46:03Z)
A Systematic Literature Review on Federated Machine Learning: From A Software Engineering Perspective [9.315446698757768]
フェデレートラーニング(Federated Learning)は、クライアントがローカルモデルをトレーニングし、ローカルモデル更新に基づいてグローバルモデルを定式化する、新たな機械学習パラダイムである。ソフトウェア工学の観点から,231の初等研究に基づいて,系統的な文献レビューを行う。データ合成は, 背景理解, 要件分析, アーキテクチャ設計, 実装, 評価を含む, 統合学習システムのライフサイクルをカバーする。
論文参考訳（メタデータ） (2020-07-22T11:59:54Z)
Self-organizing Democratized Learning: Towards Large-scale Distributed Learning Systems [71.14339738190202]
民主化された学習(Dem-AI)は、大規模な分散および民主化された機械学習システムを構築するための基本原則を備えた全体主義的哲学を定めている。本稿では,Dem-AI哲学にヒントを得た分散学習手法を提案する。提案アルゴリズムは,従来のFLアルゴリズムと比較して,エージェントにおける学習モデルの一般化性能が向上することを示す。
論文参考訳（メタデータ） (2020-07-07T08:34:48Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。