iacoangeli,1,2,3 Mamede decarvalho,14 Vivian在Drory中,15,16 Jonathan D Glass,17 Mark Gotkine,24 Susana Pinto,32 Jan Herman Veldink,Jan Herman Veldink,Jan Herman Veldink,iacoangeli,1,2,3 Mamede decarvalho,14 Vivian在Drory中,15,16 Jonathan D Glass,17 Mark Gotkine,24 Susana Pinto,32 Jan Herman Veldink,Jan Herman Veldink,Jan Herman Veldink,
数据生成的迅速增加,结合了大型数据集的不切实际性以及机器学习任务的日益增长的复杂性,促进了分布式学习技术的发展。在其中,联邦学习(FL)由于其隐私保护方法而受到了极大的关注,在这种方法中,多个客户在不共享本地数据的情况下协作训练全球模型。但是,FL面临着几个关键的挑战,包括数据异质性,高计算成本和效率低下。这些问题在客户数据分布是非IID,计算资源有限的现实情况下变得更加明显,并且可以限制通信。本论文通过开发用于个性化联合学习(PFL)的有效算法和受到限制的联邦学习来解决这些挑战。所提出的方法旨在处理异质数据,最大程度地减少计算开销并降低沟通成本,同时保持强大的理论保证。具体而言,论文介绍了三个关键贡献:(1)PFL MF,一种基于低级矩阵优化的新型PFL公式,利用burer-Monteiro分解以实现个性化,而无需依赖预定义的距离指标。(2)PERMFL,一种用于多层PFL的算法,该算法介绍了针对团队和单个设备的个性化决策变量,从而在具有分层客户端结构的情况下有效地优化了。(3)FedFW,一种用于约束FL的无预测算法,该算法强调了通过稀疏信号交换的低计算成本,隐私保存和通信效率。通过解决FL中的关键问题,例如数据异质性,计算成本和通信瓶颈,拟议的算法推进了联合学习的领域,为实地世界应用提供了可靠的可扩展解决方案。
亚特兰大埃默里大学罗林斯公共卫生学院环境卫生部的加加罗萨;伦敦卫生与热带医学学院公共卫生,环境与社会部的B环境与健康建模(EHM)实验室,英国伦敦; C统计,计算机科学和应用部“ G。父母,”意大利佛罗伦萨佛罗伦萨大学;马萨诸塞州波士顿哈佛大学公共卫生学院; E瑞士伯尔尼大学社会与预防医学研究所;瑞士伯尔尼大学气候变化研究中心; G气候研究基金会(FIC),西班牙马德里;西班牙马德里的H ciber deepidemiologíay saludpública(Ciberesp);我是西班牙巴塞罗那西班牙科学研究理事会环境评估与水研究所;马萨诸塞州波士顿哈佛大学公共卫生学院; E瑞士伯尔尼大学社会与预防医学研究所;瑞士伯尔尼大学气候变化研究中心; G气候研究基金会(FIC),西班牙马德里;西班牙马德里的H ciber deepidemiologíay saludpública(Ciberesp);我是西班牙巴塞罗那西班牙科学研究理事会环境评估与水研究所;
这项研究展示了暗场 X 射线显微镜 (DFXM)(一种纳米结构的 3D 成像技术)在表征 GaN/AlN/Si/SiO 2 纳米柱顶部的新型氮化镓 (GaN) 外延结构以用于光电应用方面的潜力。纳米柱旨在使独立的 GaN 纳米结构聚结成高度取向的薄膜,因为 SiO 2 层在 GaN 生长温度下变软。在纳米级的不同类型的样品上展示了 DFXM,结果表明,通过这种生长方法可以实现取向极好的 GaN 线(标准偏差为 0.04)以及面积高达 10 10 平方毫米的区域的高度取向材料。在宏观尺度上,高强度 X 射线衍射表明 GaN 金字塔的聚结会导致纳米柱中硅的方向错误,这意味着生长按预期进行(即柱在聚结过程中旋转)。这两种衍射方法证明了这种生长方法对于微型显示器和微型 LED 的巨大前景,这些显示器和 LED 需要小岛状的高质量 GaN 材料,并提供了一种新方法来丰富对最高空间分辨率下光电相关材料的基本理解。