收敛速度提升63%
通过联合优化量化和设备选择，在不增加通信开销的情况下有效降低量化误差对模型训练的影响。
Wang, Sihua · Chen, Mingzhe · Brinton, Christopher Greg · 尹长川 · Saad, Walid · Shuguang, Cui
IEEE Transactions on Wireless Communications 2023
根据推导的损失改进表达式优化每轮迭代方案，仿真中收敛时间比标准联邦学习缩短63%。
模型驱动方法利用解析表征进行决策，无需额外信息交换，避免增加通信负担。
损失改进被表示为量化误差和其他参数的显式函数，为方案设计提供理论依据。