Strukturella kausala modeller för distributionsskiften i federated learning

Viktiga resultat som projektet gav

Målen uppfylldes och projektresultaten inkluderar nya insikter om lösningsstrategier för FL under distributionsskiften. Samarbetet mellan RISE och Ericsson varit nära och lyckat, och experiment har genomförts på telekomdata för att studera distributionsskiften och lösningsstrategierna. En forskningsartikel har lämnats in för granskning i en respekterad tidskrift: On the effects of similarity metrics in decentralized deep learning under distributional shift (Edvin Listo Zec, Tom Hagander, Eric Ihre-Thomason, Sarunas Girdzijauskas).

Långsiktiga effekter som förväntas

Vi har utvecklat experimentella strategier för att studera FL under kovariatskiften, både med hjälp av syntetisk data och verklig telekomdata. Vi har utvecklat begränsningsstrategier som hjälper utvecklare att övervinna några av utmaningarna. En forskningsartikel har lämnats in för granskning i en respekterad tidskrift: On the effects of similarity metrics in decentralized deep learning under distributional shift (Edvin Listo Zec, Tom Hagander, Eric Ihre-Thomason, Sarunas Girdzijauskas).

Upplägg och genomförande

Projektet har genomförts i nära samarbete mellan RISE och Ericsson. Vi har haft månatliga stående möten och extra workshops där data och ansökningar har diskuterats. RISE har arbetat med begränsningsstrategierna och Ericsson har utforskat dem i verkliga miljöer.