Apr, 2020
利用本地更新的分层聚类来提高非独立同分布数据的联邦学习
Federated learning with hierarchical clustering of local updates to improve training on non-IID data
Christopher Briggs, Zhong Fan, Peter Andras
TL;DR本文提出了一种修改的联邦学习 (FL+HC) 方法，通过引入分层聚类步骤将客户端分为相似的集群，然后对这些集群进行独立并行的训练，实现在非独立同分布的数据环境下的模型训练，通过该方法可以使模型的性能、收敛速度、精度都有所提升。