PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.30499v1cs.LG

새로움으로부터 협력 발견하기: 클러스터링 연합학습을 위한 랜덤 네트워크 증류

Discovering Collaboration from Novelty: Random Network Distillation for Clustered Federated Learning

연합학습의 비독립동일분포(non-IID) 환경에서 클러스터링과 주 학습 루프의 결합으로 발생하는 계산·통신 비용 문제를 해결하기 위해, 각 클라이언트가 랜덤 네트워크 증류(Random Network Distillation, RND) 기반의 소형 예측기를 로컬 데이터로 학습하고 예측 오차를 새로움(novelty) 신호로 활용해 사전에 클라이언트 그룹을 자율적으로 발견하는 경량 클러스터링 방법을 제안한다. 이 방식은 원시 데이터 공유나 전체 모델 반복 평가 없이 클러스터 수를 사전에 지정하지 않아도 되며, 컴퓨터 비전 벤치마크 실험에서 특징 왜곡(feature skew) 환경의 비독립동일분포 데이터에 대해 의미 있는 클라이언트 그룹 발견이 가능함을 검증하였다.