개인구독
소속 기관이 없으신 경우, 개인 정기구독을 하시면 저렴하게
논문을 무제한 열람 이용할 수 있어요.
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학술저널
- 저자정보
- 저널정보
- 한국정보통신학회JICCE Journal of information and communication convergence engineering Journal of information and communication convergence engineering Vol.23 No.1
- 발행연도
- 2025.3
- 수록면
- 1 - 7 (7page)
이용수
초록· 키워드
오류제보하기
Although federated learning (FL) has emerged as a revolutionary paradigm for privacy-preserving distributed learning, the non-independent and identically distributed nature of client data poses significant challenges to model performance. This study proposes a personalized FL framework that integrates dynamic client sampling and advanced personalization techniques. The proposed method effectively addresses data heterogeneity, enhances client-specific performance, and ensures efficient communication. Experimental results on CIFAR-100 demonstrate significant improvements, with personalized models reaching accuracies between 53% and 57% compared to 23.13% for the global model, while maintaining stable communication costs of 376,588 bytes per round. Furthermore, our framework demonstrates robust performance across different levels of data heterogeneity, maintaining consistent accuracy even when the Gini coefficient of the label distribution varies from 0.2 to 0.8. Statistical analysis confirms the significance of these improvements, demonstrating the effectiveness of FedPer in handling heterogeneous data distributions while maintaining computational efficiency, making the proposed method particularly suitable for resource-constrained, privacy-sensitive applications.
목차
Abstract
I. INTRODUCTION
II. RELATED WORKS
III. METHODOLOGY
IV. EXPERIMENTAL RESULTS
V. CONCLUSION
REFERENCES
참고문헌 (0)
참고문헌 신청함께 읽어보면 좋을 논문
논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!
-
Stable Federated Learning with Dataset Condensation
Journal of Computing Science and Engineering
2022 .03
-
Personalized Progressive Federated Learning with Leveraging Client-Specific Vertical Features: Model Development and Validation
한국지능정보시스템학회 학술대회논문집
2022 .11
-
Towards Accuracy-Aware Client Selection in Federated Learning
한국통신학회 학술대회논문집
2022 .11
-
연합학습에서의 양자화 레벨에 따른 영향 분석
대한전자공학회 학술대회
2021 .06
-
연합학습에서 공정한 훈련을 위한 클라이언트 훈련 규모 조율 방법
Proceedings of KIIT Conference
2023 .11
-
Non-IID 환경 및 개인화 모델을 고려한 연합학습 알고리즘에 대한 연구
Proceedings of KIIT Conference
2023 .06
-
Image-to-Text approach with Large Language Model for Client Selection in Federated Learning
대한산업공학회 추계학술대회 논문집
2023 .11
-
Learning a Personalized Subspace for Federated Learning
대한산업공학회 추계학술대회 논문집
2021 .11
-
연합 학습과 클라이언트 분포 추적
한국정보과학회 학술발표논문집
2022 .06
-
사용자별 가중치 표준 편차를 활용한 Federated Learning 성능 향상 기법
한국통신학회 학술대회논문집
2021 .06
-
Efficient Privacy-preserving Shared Representation Learning in Cross-device Federated Learning
대한산업공학회 춘계공동학술대회 논문집
2022 .06
-
Development of a Federated Patient Similarity Learning Framework with Privacy Protection
대한산업공학회 추계학술대회 논문집
2016 .11
-
교차소거법을 이용한 Non-IID 환경에서의 연합학습 프레임워크 설계
한국지능시스템학회 논문지
2021 .08
-
A Review of Secure Healthcare Data Analytics using Federated Machine Learning and Blockchain Technology
IEIE Transactions on Smart Processing & Computing
2024 .06
-
연합 학습을 위한 로우 랭크 분해 모델
대한전자공학회 학술대회
2021 .06
-
이동통신 시스템에서 사용자 데이터 프라이버시 보존을 위한 Federated Learning 시뮬레이터 설계
대한전자공학회 학술대회
2020 .08
-
클라이언트의 계산 성능 이질성을 고려한 연합학습 방법의 무선 통신 환경에서의 적용
한국통신학회 학술대회논문집
2023 .06
-
Federated Learning 의 통신효율 향상을 위한 기술의 연구 동향
한국통신학회 학술대회논문집
2021 .02
-
A Federated Learning for Image Classification with Heterogeneous Data
한국정보과학회 학술발표논문집
2020 .12
-
효율적인 클라이언트 선택을 통한 연합학습 최적화
한국통신학회 학술대회논문집
2024 .11
이 논문의 저자 정보
최근 본 자료
댓글(0)
0