Aprendizaje descentralizado energéticamente eficiente a través de la esparcificación de grafos

Este trabajo tiene como objetivo mejorar la eficiencia energética del aprendizaje descentralizado al optimizar la matriz de mezcla, que controla las demandas de comunicación durante el proceso de aprendizaje. A través de un análisis riguroso basado en un algoritmo de aprendizaje descentralizado de última generación, el problema se formula como una optimización de bi-nivel, con el nivel inferior resuelto mediante la esparcificación de grafos. Se propone una solución con rendimiento garantizado para el caso especial de topología base completamente conectada y se presenta una heurística codiciosa para el caso general. Simulaciones basadas en topología y conjuntos de datos reales muestran que la solución propuesta puede reducir el consumo de energía en el nodo más ocupado entre un 54% y un 76%, manteniendo la calidad del modelo entrenado.