Jul, 2023
FedHIL：面向移动设备的弹性异构联合学习，用于室内定位的鲁棒性增强
FedHIL: Heterogeneity Resilient Federated Learning for Robust Indoor Localization with Mobile Devices
Danish Gufran, Sudeep Pasricha
TL;DR本文提出了一种融合室内定位和联邦学习技术的新型嵌入式机器学习框架 FedHIL，以提高设备异构环境下室内定位的准确性，同时保护用户数据隐私，在现实世界的不同室内环境和异构移动设备中进行的实验证明，FedHIL 表现优于现有最先进的 FL 和非 FL 室内定位框架，在平均定位精度上比最佳 FL-based 室内定位框架提高了 1.62 倍。