BriefGPT.xyz
May, 2023
全局层:非独立同分布表格联邦学习
Global Layers: Non-IID Tabular Federated Learning
HTML
PDF
Yazan Obeidi
TL;DR
该研究提出了全局层(GL),一种新颖的部分模型个性化方法,能够在客户端之间出现G(X,Y)分布变化时保持鲁棒性,并且支持客户端专属的特征和类别。与Federated Averaging和本地训练相比,针对表格数据中的联邦学习, GL在两个新的基准实验中的效果优于它们,并且甚至有些客户端的表现比其集中式基线更好。
Abstract
Data heterogeneity between clients remains a key challenge in
federated learning
(FL), particularly in the case of
tabular data
. This work presents
→