3FL: Seleção de Clientes Mais Rápidos para Aumento de Desempenho do Aprendizado Federado Cross-Device

Abstract

Este trabalho propõe uma nova técnica para melhorar o desempenho do aprendizado federado e reduzir a latência total de treinamento. A proposta, chamada Fastest-First Federated Learning (3FL), é baseada na seleção de participantes mais rápidos durante o início do treinamento para reduzir a latência de treinamento e mitigar o efeito de dispositivos retardatários. A proposta é avaliada por meio de simulações utilizando distribuições de dados e configurações de clientes realistas para o cenário de aprendizado federado cross-device horizontal. Os resultados obtidos demonstram que é possível obter reduções na latência de treinamento de até 35% em comparação ao aprendizado federado tradicional. Além disso, os experimentos confirmam que a acurácia do modelo atinge resultados similares ou mesmo superiores, chegando a valores de até 97% em problemas de classificação de imagens.