高水平成果推介

中南大科研

著作信息

刘卫东,毛晓军,章晓菲（通讯作者）,张欣：《Robust Personalized Federated Learning with Sparse Penalization》，载于《JOURNAL OF THE AMERICAN STATISTICAL ASSOCIATION》Volume:120 Issue:549 Page:266-277。

成果简介

联邦学习（Federated Learning, FL）因其在分布式数据中的协作学习优势而成为一个新兴课题。由于本地数据生成机制的异质性，在开发联邦学习方法时考虑个性化模型非常重要。在本研究中，我们提出了一种个性化联邦学习（Personalized Federated Learning, PFL）的方法来解决鲁棒回归问题。具体而言，我们旨在通过求解带有稀疏融合惩罚的Huber损失函数来学习回归模型。此外，我们设计了一种个性化联邦学习算法，用于鲁棒和稀疏回归（PerFL-RSR），以高效地解决联邦系统中的估计问题。理论上，我们证明了所提出的PerFL-RSR算法可以达到线性的收敛速度，并且该估计量的估计误差上限在统计上是一致收敛的。通过全面的实验模拟和真实数据分析，我们验证了所提出的个性化联邦学习方法的理论结果。本文的补充材料可在线获取，其中包括所有用于复现工作的数据以及代码。

主要完成人简介

章晓菲，taptap点点星际争霸2统计与数学学院，讲师。2015年6月毕业于中国科学技术大学统计专业，获得学士学位，2021年8月毕业于美国爱荷华州立大学统计系，获得博士学位。研究兴趣包括抽样调查，分布式统计推断和高维数据分析。主要成果发表在Journal of the American Statistical Association，IEEE Transactions on Information Forensics and Security，International Conference on Learning Representations等顶级国际期刊及会议上。

编辑丨李颖郭东祝畅

审核丨张今柯

终审丨李小平

公众号丨中南大科研

继续滑动看下一个