Aug, 2022
联邦学习中的在线元学习用于模型更新聚合在点击率预测中的应用
Online Meta-Learning for Model Update Aggregation in Federated Learning for Click-Through Rate Prediction
Xianghang Liu, Bartłomiej Twardowski, Tri Kurniawan Wijaya
TL;DR该篇论文中提出了一种基于元学习的 Federated Learning 方法,针对一些问题如客户端异构性、难以调优的问题等,通过对客户端属性进行动态加权,进而调整更新步长的策略,相较于目前最先进的算法,在收敛速度和最终学习结果上均显著优于现有的算法。