.png){kind=icon}
返回
Efficient Quantization Mean Estimation for Distributed Learning
.png){kind=icon}
PRE
AI
DOI：10.1080/10618600.2025.2572324.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
数据规模的不断增大，对通信保护和数据隐私提出了迫切需求，从而推动了量化技术的显著兴趣。本文提出了一种新颖的方差缩减相关量化方案，该方案专为具有有界支撑的数据和分布式均值估计而设计。与不同水平和维度场景下的相关量化方法相比，我们的方法在固定设计和随机设计下均实现了理论上的均方误差降低。为阐明该方法的有效性，并基于理论提供均方误差缩减的可靠近似，进行了若干合成数据实验。该提案方法还被应用于不同学习任务中的真实数据，并取得了有前景的结果。本文的补充材料可在网上获取。
Keyword:
Distributed mean estimation
Distributed learning
Efficient quantization
Variance reduction
期刊
J
IF:
1.8
论文数:
138
被引数:
6.4K
机构
引用论文
.png){kind=icon}
查看更多内容