반중앙집중형 연합 학습에서 장치 간 통신을 기본으로 하면서 중앙 서버와 간헐적으로 상호작용하는 환경을 연구합니다. 주기적으로 장치의 부분 집합이 로컬 모델을 서버에 업로드하고, 서버는 집계 모델을 계산합니다. 서버는 이 집계 모델을 (i) 샘플링된 클라이언트에게만 공유(S2S)하거나 (ii) 모든 클라이언트에게 브로드캐스트(S2A)할 수 있습니다. 본 연구는 S2S와 S2A 전략을 통합된 수렴 프레임워크 내에서 분석하여, 샘플링률, 서버 집계 빈도, 네트워크 연결성을 포함한 핵심 시스템 매개변수를 고려합니다. 분석 및 실험 결과를 통해 데이터의 장치 간 이질성에 따라 한 전략이 다른 전략보다 우수한 특정 영역을 파악하고, 실용적인 반중앙집중형 연합 학습 배포를 위한 구체적인 설계 지침을 제시합니다.
