Key points are not available for this paper at this time.
Nous proposons un nouveau cadre d'allocation des ressources, que nous appelons rationnement des ressources, pour l'apprentissage fédéré sans fil (FL). Contrairement aux méthodes existantes d'allocation des ressources pour le FL, le rationnement des ressources se concentre sur l’équilibre des ressources à travers les cycles d'apprentissage afin que leur impact collectif sur les performances du FL soit explicitement capturé. Ce nouveau cadre peut être intégré de manière transparente aux schémas d'allocation de ressources existants pour optimiser la convergence du FL. En particulier, un nouveau principe « lat-er-is-better » est au cœur du rationnement des ressources et est validé empiriquement dans plusieurs instances d'apprentissage FL sans fil. Nous soulignons également les défis techniques et les opportunités de recherche qui valent la peine d'être explorées. Le rationnement des ressources met en évidence les avantages de considérer le FL émergent comme une nouvelle catégorie de service ayant ses propres caractéristiques, et de concevoir des algorithmes de communication pour ce service particulier.
Shen et al. (Sat,) ont étudié cette question.