BriefGPT.xyz
Aug, 2020
异构联邦学习
Heterogeneous Federated Learning
HTML
PDF
Fuxun Yu, Weishan Zhang, Zhuwei Qin, Zirui Xu, Di Wang...
TL;DR
本文提出了一种新颖的联邦学习框架,通过设计特征定向调节方法 (ψ-Net) 来确保显式特征信息在不同的神经网络结构中的分配,并应用于协作模型中,在通常分散和混乱的信息环境下,通过协定的时序,信息的有序分配及结构匹配,提高了联邦学习的适用性,同时提供了优秀的收敛速度、精度和计算/通信效率。
Abstract
federated learning
learns from scattered data by fusing collaborative models from local nodes. However, due to chaotic information distribution, the
model fusion
may suffer from structural misalignment with regar
→