目錄

• 文章一
• • 摘要截圖
  • 主要內容
• 文章二
• • 摘要截圖
• 主要內容

文章一

摘要截圖

主要內容

• 將激勵機制分為面向貢獻測量、面向客戶選擇、面向支付分配以及面向多子問題優化四種類型
• FL的難點在于異質性（non iid）以及不公平性
• 很多激勵機制都適用博弈論，使得問題達到xx均衡得到最優解
• 激勵機制的子問題（貢獻測量、客戶選擇、支付分配）
  
• 貢獻測量需要考慮多維度，甚至公開可驗證的（使用區塊鏈）
• 客戶選擇，考慮聲譽（muti-krum），也可以考慮拍賣等，使得效用最大化等
• 支付分配，可考慮隱私預算、或者動態分配來縮短獎勵延遲等
• 激勵機制的論文總結
  
• 展望：考慮貢獻測量方法、激勵機制的計算成本以及模型性能；GFA的聯邦平均可以考慮忽略某些用戶免受攻擊等

文章二

摘要截圖

主要內容

• 考慮聯邦學習的能耗問題
• 雙邊拍賣就是買賣房可以隨時切換
• 分層聯邦學習通過加入邊緣服務器，有效地得到更高效的通信，也可以縮短訓練時間和能量開銷
  
• 激勵機制考慮拍賣，移動設備確定模型的訓練成本，邊緣服務器進行選擇，并定義分配和支付規則
• 考慮了若干最優化問題，目的是降低移動設備的能耗

總結

以上是生活随笔為你收集整理的【论文学习】关于联邦学习激励机制的2篇T2论文的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。