Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakIII: Small: Towards Efficient Adaptive Federated Learning: Algorithms, Theories, and Applications
Proyek riset & pengembangan

III: Small: Towards Efficient Adaptive Federated Learning: Algorithms, Theories, and Applications

Ringkasan tujuan riset

Optimasi nonkonveks digunakan meneliti pembelajaran federatif adaptif yang mengurangi komunikasi hiperparameter dan mempercepat pelatihan saat data antaranggota berbeda distribusi.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2348541Periode tercatat 2024-06-01 sampai 2027-05-31.NSF 2348541MulaiAkhir tercatat202420282024-06-012027-05-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Proyek mengintegrasikan desain sistem federatif adaptif dengan analisis optimasi untuk menghasilkan algoritme beserta jaminan konvergensi. Fokusnya mencakup efisiensi komunikasi, efisiensi pelatihan pada data heterogen, dan evaluasi sistem praktis untuk IoT serta layanan kesehatan. Pendekatan adaptif berupaya mengurangi pencarian hiperparameter yang mahal, tetapi biaya komunikasi dan perilaku kasus terburuk masih menjadi masalah yang harus diselesaikan secara teoritis maupun eksperimen.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Pennsylvania State Univ University Park
Program
Info Integration & Informatics
Periode pendanaan tercatat
2024-06-01 → 2027-05-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.