日本語タイトル#
自己進化型ガウスクラスタリングに基づくフェデレーテッドラーニング
英文タイトル#
Federated Learning based on Self-Evolving Gaussian Clustering
日本語要約#
本研究では、フェデレーテッドラーニングの文脈において、動的に新しいクラスタの追加に適応する動的ファジィシステムを提案します。これにより、事前にクラスタの数を選択する必要がありません。従来の方法とは異なり、フェデレーテッドラーニングでは、モデルがクライアントデバイス上でローカルにトレーニングされ、データではなくモデルパラメータのみが中央サーバーと共有されます。私たちの方法は PyTorch を使用して実装され、クラスタリングと分類タスクでテストされました。結果は、私たちのアプローチがいくつかの著名な UCI データセット上で既存の分類方法を上回ることを示しています。重複条件計算による計算量が多いにもかかわらず、提案された方法は分散データ処理において顕著な利点を示しています。
英文要約#
In this study, we present an Evolving Fuzzy System within the context of Federated Learning, which adapts dynamically with the addition of new clusters and therefore does not require the number of clusters to be selected apriori. Unlike traditional methods, Federated Learning allows models to be trained locally on clients' devices, sharing only the model parameters with a central server instead of the data. Our method, implemented using PyTorch, was tested on clustering and classification tasks. The results show that our approach outperforms established classification methods on several well-known UCI datasets. While computationally intensive due to overlap condition calculations, the proposed method demonstrates significant advantages in decentralized data processing.
文章ページ#
自己進化型ガウスクラスタリングに基づくフェデレーテッドラーニング
PDF 取得#
抖音でさらに素晴らしいコンテンツを見るには QR コードをスキャンしてください