Jul, 2020
客户端适应性改善具有模拟非独立同分布客户端的联邦学习
Client Adaptation improves Federated Learning with Simulated Non-IID
Clients
TL;DR本论文提出了一种联邦学习方法，用于在数据在客户端之间是非独立和非同一分布的情况下，学习适应客户端的鲁棒性模型。通过模拟异构客户端，我们发现添加学习的客户端特定条件可以提高模型性能，并且该方法证明可以适用于音频和图像领域的平衡和不平衡数据集。客户端适应是通过条件门控激活单元实现的，并且在每个客户端的数据分布存在较大差异的情况下特别有益，这是联邦学习中常见的情况。