arXiv cs.LG· Viktor Walter, Andreas Wagner, Fabian Stricker·· 2 小时前AI 评分35
联邦时间序列预测中的静态上下文学习研究
Learning From Static Context in Federated Time Series Forecasting
AI 导读
针对联邦时间序列预测的研究表明，逐批次聚合的 Per-batch FedAdam 能有效利用区分序列的静态输入，效果接近中心化训练并在所有数据集上达到或超过本地模型。而采用本地轮次的 FedAvg 与 FedAdam+Prox 难以有效提取静态特征且无显著收益。该结论在建筑能源、风电和合成数据集上得到验证，并适用于 Temporal Fusion Transformer（TFT）等多种架构。
来源：arXiv cs.LG · arxiv.org