Multi-agent deep reinforcement learning based incentive mechanism for multi-task federated edge learning
Federated edge learning (FEL) is capable of training large-scale machine learning models without exposing the raw data of edge devices (EDs). Considering that the learning performance heavily depends on the active participation of EDs, it is essential to motivate the resource-limited EDs to contribu...
محفوظ في:
المؤلفون الرئيسيون: | Zhao, Nan, Pei, Yiyang, Liang, Ying-Chang, Niyato, Dusit |
---|---|
مؤلفون آخرون: | School of Computer Science and Engineering |
التنسيق: | مقال |
اللغة: | English |
منشور في: |
2023
|
الموضوعات: | |
الوصول للمادة أونلاين: | https://hdl.handle.net/10356/170795 |
الوسوم: |
إضافة وسم
لا توجد وسوم, كن أول من يضع وسما على هذه التسجيلة!
|
مواد مشابهة
-
A novel joint dataset and incentive management mechanism for federated learning over MEC
بواسطة: Lee, Joohyung, وآخرون
منشور في: (2023) -
Dynamic edge association and resource allocation in self-organizing hierarchical federated learning networks
بواسطة: Lim, Bryan Wei Yang, وآخرون
منشور في: (2022) -
Federated learning in mobile edge networks : a comprehensive survey
بواسطة: Lim, Bryan Wei Yang, وآخرون
منشور في: (2020) -
Decentralized edge intelligence : a dynamic resource allocation framework for hierarchical federated learning
بواسطة: Lim, Bryan Wei Yang, وآخرون
منشور في: (2022) -
Towards federated learning in UAV-enabled internet of vehicles : a multi-dimensional contract-matching approach
بواسطة: Lim, Bryan Wei Yang, وآخرون
منشور في: (2021)