FairEnergy: Beitragsbasierte Fairness trifft Energieeffizienz Federated Learning
Federated Learning ermöglicht es verteilten Geräten, gemeinsam Modelle zu trainieren, ohne dass sensible Daten preisgegeben werden. In drahtlosen Edge‑Systemen stellt die gleichzeitige Optimierung von Energieeffizienz, fairem Partizipationsgrad und hoher Modellgenauigkeit jedoch eine große Herausforderung dar – vor allem, weil die Geräte unterschiedliche Ressourcen besitzen, die Beiträge der Clients ungleich sind und die Kommunikationskapazität begrenzt ist.
