May, 2023
公平联邦学习能否降低个性化需求?
Can Fair Federated Learning reduce the need for Personalisation?
Alex Iacob, Pedro P. B. Gusmão, Nicholas D. Lane
TL;DR本论文通过策略提出了 Personalisation-aware Federated Learning (PaFL) 的模型,在语言任务中减少了 50% 的表现不佳客户端的数量,在图像任务中也避免了表现不佳客户端数量翻倍的情况,提高了边缘设备参与联邦学习的效率并有望在未来实验和理论分析上得到更多的应用。