本文提出量化压缩的异步联邦学习方法，并进行了收敛性分析证明以及实验评估，实验结果证明量化压缩的异步联邦学习对通信效率是有明显的提升，与非量化的异步联邦学习相比，量化程度越大的框架达到最佳性能效果所需的通信次数越少。

图1 面向云变端一体化的联邦学习框架

相关发表论文信息：

[1] Ye Liu, Peishan Huang, Fan Yang, Kai Huang and Lei Shu, “QuAsyncFL: Asynchronous Federated Learning with Quantization for Cloud-Edge-Terminal Collaboration Enabled AIoT,” in IEEE Internet of Things Journal, doi: 10.1109/JIOT.2023.3290818.