АСИНХРОННА ЦЕНТРАЛІЗОВАНА ОБРОБКА ПОТОКОВИХ ДАНИХ У РОЗПОДІЛЕНИХ СИСТЕМАХ РЕАЛЬНОГО ЧАСУ
Тип публікації :
Стаття
Дата випуску :
1 жовтня 2025 р.
Автор(и) :
ЖИЛЮК, Ярослав
Мова основного тексту :
Ukrainian
eKNUTSHIR URL :
Том :
1
Випуск :
2
ISSN :
3041-2323
Цитування :
[APA 7] ЖИЛЮК, Я. (2025). АСИНХРОННА ЦЕНТРАЛІЗОВАНА ОБРОБКА ПОТОКОВИХ ДАНИХ У РОЗПОДІЛЕНИХ СИСТЕМАХ РЕАЛЬНОГО ЧАСУ. Прикладні інформаційні системи та технології в цифровому суспільстві, 1(2). https://doi.org/10.17721/3041-2323.2025.122-136
[ДСТУ] ЖИЛЮК Я. АСИНХРОННА ЦЕНТРАЛІЗОВАНА ОБРОБКА ПОТОКОВИХ ДАНИХ У РОЗПОДІЛЕНИХ СИСТЕМАХ РЕАЛЬНОГО ЧАСУ. Прикладні інформаційні системи та технології в цифровому суспільстві. 2025. Т. 1, № 2. DOI: 10.17721/3041-2323.2025.122-136 (дата звернення: 25.07.2026).
У цій статті представлено структурований і прагматичний аналіз кількох методів агрегації для асинхронного централізованого федеративного навчання: класичне федеративне усереднення (FedAvg), асинхронне градієнтне/параметричне просування (методи в стилі FedAsync), робустна агрегація на основі координатно-зважених медіан та адаптивні оптимізатори, такі як FedAdam та FedYogi. Дослідження зосереджено на їх поведінці за умов гетерогенного часу клієнтів, застарілості оновлень, розділів даних, що не є IID (незалежні та однаково розподілені), та обмежень реального часу, що виникають у розподілених системах реального часу. Проведено аналіз чутливості методів до затриманих та неактуальних оновлень, а також дсолідженно комунікаційні та обчислювальні витрати на центральному вузлі. Проведено напівгіпотетичний, реалістичний експериментальний дослід з використанням наборів даних, що не є IID, з режимами відмов, включаючи відключення вузлів і дрейф системного часу. Порівняльні висновки з дослідження визначають що FedAvg різко деградує при високій застарілості; надійна агрегація може несподівано посилити вплив застарілих, але структурно узгоджених викидів; а адаптивні методи демонструють нетривіальну напругу між швидшою конвергенцією та нестабільністю, коли моделі затримок змінюються з часом.
Ключові слова :
asynchronous federated learning distributed real-time systems centralized coordination neural network weight aggregation FedAvg FedAsync robust aggregation FedAdam FedYogi update age асинхронне федеративне навчання розподілені системи реального часу централізована координація агрегація ваг нейронної мережі FedAvg FedAsync робустна агрегація FedAdam FedYogi застарілість оновлень
Файл(и) :![Ескіз]()
Вантажиться...
Формат :
Adobe PDF
Розмір :
749.6 KB
Контрольна сума :
(MD5):93a30e33df1eb6e5bd4538b8a181aeeb
Якщо не вказано інше, ця робота розповсюджується на умовах ліцензії Creative Commons Attribution 4.0 International