مقاله تجمیع گرادیان کدگذاری شده سلسله مراتبی بر اساس کدهای MDS لایه ای
| عنوان مقاله به انگلیسی | Hierarchical Coded Gradient Aggregation Based on Layered MDS Codes |
| عنوان مقاله به فارسی | مقاله تجمیع گرادیان کدگذاری شده سلسله مراتبی بر اساس کدهای MDS لایه ای |
| نویسندگان | M. Nikhil Krishnan, Anoop Thomas, Birenjith Sasidharan |
| زبان مقاله | انگلیسی |
| فرمت مقاله: | |
| تعداد صفحات | 0 |
| دسته بندی موضوعات | Information Theory,نظریه اطلاعات , |
| توضیحات | Submitted 23 November, 2023; originally announced November 2023. , Comments: Presented at 2023 IEEE International Symposium on Information Theory (ISIT) |
| توضیحات به فارسی | ارسال شده 23 نوامبر 2023 ؛در ابتدا نوامبر 2023 اعلام شد ، نظرات: ارائه شده در سمپوزیوم بین المللی IEEE در مورد تئوری اطلاعات (ISIT) |
چکیده
The growing privacy concerns and the communication costs associated with transmitting raw data have resulted in techniques like federated learning, where the machine learning models are trained at the edge nodes, and the parameter updates are shared with a central server. Because communications from the edge nodes are often unreliable, a hierarchical setup involving intermediate helper nodes is considered. The communication links between the edges and the helper nodes are error-prone and are modeled as straggling/failing links. To overcome the issue of link failures, coding techniques are proposed. The edge nodes communicate encoded versions of the model updates to the helper nodes, which pass them on to the master after suitable aggregation. The primary work in this area uses repetition codes and Maximum Distance Separable (MDS) codes at the edge nodes to arrive at the Aligned Repetition Coding (ARC) and Aligned MDS Coding (AMC) schemes, respectively. We propose using vector codes, specifically a family of layered MDS codes parameterized by a variable $ν$, at the edge nodes. For the proposed family of codes, suitable aggregation strategies at the helper nodes are also developed. At the extreme values of $ν$, our scheme matches the communication costs incurred by the ARC and AMC schemes, resulting in a graceful transition between these schemes.
چکیده به فارسی (ترجمه ماشینی)
نگرانی های رو به رشد حریم خصوصی و هزینه های ارتباطی مرتبط با انتقال داده های خام منجر به تکنیک هایی مانند یادگیری فدرال شده است ، جایی که مدل های یادگیری ماشین در گره های لبه آموزش دیده اند و به روزرسانی های پارامتر با یک سرور مرکزی به اشتراک گذاشته می شوند.از آنجا که ارتباطات از گره های لبه اغلب غیرقابل اعتماد است ، یک مجموعه سلسله مراتبی که شامل گره های یاور متوسط است در نظر گرفته می شود.پیوندهای ارتباطی بین لبه ها و گره های یاور مستعد خطا هستند و به عنوان پیوندهای پیچیده/ناکام مدل می شوند.برای غلبه بر مسئله خرابی های پیوند ، تکنیک های برنامه نویسی ارائه شده است.گره های Edge نسخه های رمزگذاری شده مدل را به روز می کنند و گره های یاور را به روز می کنند ، که آنها را پس از تجمع مناسب به استاد منتقل می کنند.کار اصلی در این زمینه از کدهای تکرار و کدهای حداکثر فاصله جداگانه (MDS) در گره های لبه استفاده می کند تا به ترتیب به برنامه های رمزگذاری تکرار شده (ARC) و برنامه های رمزگذاری MDS (AMC) تراز شده باشد.ما پیشنهاد می کنیم با استفاده از کدهای بردار ، به طور خاص خانواده ای از کدهای MDS لایه ای که توسط یک متغیر $ ν $ پارامتری شده اند ، در گره های لبه.برای خانواده پیشنهادی کدها ، استراتژی های جمع آوری مناسب در گره های یاور نیز تدوین شده است.با ارزش های شدید $ ν $ ، طرح ما با هزینه های ارتباطی که توسط طرح های ARC و AMC انجام می شود ، مطابقت دارد و در نتیجه انتقال برازنده بین این طرح ها ایجاد می شود.📚 محتوای این محصول آموزشی (پکیج کامل)
علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیقتر و تسلط کامل بر مباحث مجموعهای از کتابهای آموزشی نیز ارائه میشود.
-
کتاب صدها نکته فارسی (خودمونی) – نسخه PDF — زبان ساده و کاربردی
مشاهده نمونه نسخه نکات ساده -
کتاب صدها نکته رسمی فارسی – نسخه PDF — نگارش استاندارد و علمی
مشاهده نمونه نسخه نکات رسمی -
کتاب صدها پرسش و پاسخ تشریحی – نسخه PDF
— هر سؤال همراه با پاسخ کامل برای درک عمیق مفاهیم
مشاهده نمونه نسخه پرسش و پاسخ -
کتاب پرسش و پاسخ چهارگزینهای – نسخه یادگیری سریع
— پاسخها بلافاصله بعد از سؤال برای مرور سریع
مشاهده نمونه نسخه کوییز سریع -
کتاب پرسش و پاسخ چهارگزینهای – نسخه خودآزمایی
— پاسخها در انتهای بخشها برای سنجش واقعی یادگیری
مشاهده نمونه نسخه آزمونی
🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتابها، تمرینها و خودآزمایی.
ℹ️ نکات مهم هنگام خرید
- این محصول به صورت فایل دانلودی کامل ارائه میشود.
- توجه: لینکهای اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال میشوند.
- دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
- برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
- اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینکها را دریافت نکردهاید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینکها دوباره ارسال شوند.
💬 راههای ارتباطی پشتیبانی:
واتساپ یا هر پیام رسان داخلی یا پیامک:
09395106248
تلگرام: @ma_limbs
نظرات
هنوز نظری ثبت نشده است.
وارد شوید تا نظر ثبت کنید.