标题：分层边缘联邦学习：一种基于契约论的双层激励机制
作者：叶东东
作者单位：广东工业大学自动化学院，广东 广州 510006
关键字：分簇，联邦学习，契约论，激励机制
摘要：联邦学习（Federated Learning，FL）是一种分布式神经网络训练的方法，它使多个终端协作训练一个共享的神经网络模型，同时保证训练数据存在于终端上。然而，FL涉及数千个异构分布式终端设备。在这种情况下，低效的通信是FL的关键瓶颈。为了解决上述问题，一种融合边缘计算的分层联邦学习 （Hierarchical FL，HFL）框架被提出来了。尽管HFL有上述的巨大好处，但是激励机制设计的挑战在HFL框架中尚未得到解决。因此，提出了一种基于契约论的双层激励机制方法；然后，基于CIFAR10数据集的实验结果验证了该激励机制的有效性。