AI na Matatizo Magumu ya Ulimwengu · Sayansi ya kompyuta ya kinadharia · arXiv · 2026-10-20
Ukupunguzaji wa Tofauti kwa Kugeuka kwa Nasibu katika Uboreshaji wa Shirikisho Uliozuiwa kwa Utendaji
Kichwa asilia: Variance Reduction for Stochastic Switching in Functionally Constrained Federated Optimization
Katika ujifunzaji wa shirikishi kwa programu zenye hatari kubwa kwa usalama na zenye kutegemea usawa, malengo lazima yaboreshwe chini ya vikwazo vya kitendaji, jambo ambalo ni changamoto kutokana na gharama kubwa ya umwekaji kwenye seti inayowezekana, taarifa za vikwazo za nasibu, ushiriki wa sehemu wa wateja, na mawasiliano machache. Waandishi wanapendekeza mfumo wa kubadilishana kwa nasibu wa shirikishi unaotegemea sasisho za msingi pekee unaoepuka urekebishaji wa vigezo vya duali, akianzisha dhamana za mkusanyiko na utekelezwaji kwa uwezekano wa juu chini ya gradienti za nasibu na ushiriki wa sehemu wa wateja. Wakadiriaji wa vikwazo wanaopunguza tofauti hutoa dhamana za utekelezwaji na utulivu zinazopungua hadi sifuri kwa ushiriki wa wateja wa kudumu kwa kila raundi na ukubwa wa kudumu wa makundi ya tathmini ya vikwazo, na majaribio kwenye uainishaji wa Neyman-Pearson, ujifunzaji uliozuiliwa na usawa kwenye seti ya data ya ADULT, na ujifunzaji wa kuimarisha wa kina uliozuiliwa huonyesha ufanisi wa mfumo huu.