Nov, 2023
异构客户端联邦多任务学习
Towards Hetero-Client Federated Multi-Task Learning
Yuxiang Lu, Suizhi Huang, Yuwen Yang, Shalayiding Sirejiding, Yue Ding...
TL;DR借助 FedHCA$^2$ 框架,该研究解决了异构客户机联邦多任务学习中的模型不一致性问题,并通过建模异构客户机之间的关系来允许个性化模型的联邦训练。实验证明 FedHCA$^2$ 在各种异构客户机联邦多任务学习场景中相比其他方法具有更优越的性能。