Papers/Federated Learning (5) 썸네일형 리스트형 논문 리뷰) (JAMIA 2021) Federated learning improves site performance in multicenter deep learning without data sharing original paper INTRODUCTION 대부분의 FL paper들이 굉장히 시스템의 성능 측면에서 접근을 하다보니 실제로 FL이 적용된 어플리케이션이나 사례와 관련된 연구들을 찾아보기가 매우 힘들었다. FL의 특성을 생각해보면 Medical domain에서 굉장히 매력적인 기술이라 Medical informatics 쪽에서도 분명 재밌는 연구들이 있었을 것 같아서 (없으면 오히려 좋고...) JAMIA 논문들을 좀 찾아봤다. 그중에서 2021년에 나온 이 페이퍼가 가장 먼저 practical한 실제 임상 데이터를 기반으로 진행된 연구로 보여서 읽어봤는데, technical novelty 자체는 크게 없지만 읽은김에 정리해두려 한다. DL은 nature image와 medical image의 d.. 논문 리뷰) (Mobisys 2022) FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients - (4) 이전 게시글 2023.01.11 - [Papers/Federated Learning] - 논문 리뷰) (Mobisys 2022) FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients - (1) 2023.01.11 - [Papers/Federated Learning] - 논문 리뷰) (Mobisys 2022) FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients - (2) 2023.01.11 - [Papers/Federated Learning] - 논문 리뷰) (Mobisys 2022.. 논문 리뷰) (Mobisys 2022) FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients - (3) 이전 게시글 2023.01.11 - [Papers/Federated Learning] - 논문 리뷰) (Mobisys 2022) FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients - (1) 2023.01.11 - [Papers/Federated Learning] - 논문 리뷰) (Mobisys 2022) FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients - (2) FedBalancer 관련 세번째 게시글이다. 꽤나 이야기가 길어지고 있는데 다음부터는 적당히 요약해서 쓰는 방법.. 논문 리뷰) (Mobisys 2022) FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients - (2) 이전 게시글 2023.01.11 - [Papers/Federated Learning] - 논문 리뷰) (Mobisys 2022) FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients - (1) FedBalancer 리뷰 두번째 게시글이다. 생각보다 글이 자꾸 길어진다.,, FedBalancer FedBalancer의 overview이다. 총 7개의 step이 있다. (1) Server에서는 Client들에게 model weight와 loss threshold, deadline 총 세개의 정보를 보낸다. Client 쪽에서는 (2) Sample selection module에서 학습할 data를.. 논문 리뷰) (Mobisys 2022) FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients - (1) 들어가며... 올해 첫 세미나 논문으로 Mobisys 2022년에 accept된 paper인 "FedBalancer: Data and Pace Control for Efficient Federated Learning on Heterogeneous Clients"를 선정하였다. 겨울방학 시즌동안 coursework이 없으니 Mobisys, Sensys, Mobicom 등 내가 연구하는 community에서 한 해동안 publish된 paper들을 모아다 읽을 계획이었는데, 마침 세미나를 하게 되어서 잘 되었다 생각했다. Fedbalancer는 카이스트 이성주 교수님 연구실과 중국 칭화대학 AIR에서 공동 연구로 나온 논문이다. 기본적으로 가지고 있는 문제의식은 FL 알고리즘에서 학습에 활용되는 client.. 이전 1 다음
