AAAIDec, 2023
FedDiv: 面向带有噪声标签的联邦学习的协作性噪声过滤
FedDiv: Collaborative Noise Filtering for Federated Learning with Noisy Labels
Jichang Li, Guanbin Li, Hui Cheng, Zicheng Liao, Yizhou Yu
TL;DRFedDiv 提出了一种全局噪声滤波器和一种基于预测一致性的采样器来提高联邦学习中的训练稳定性并解决噪声标签的问题。在 CIFAR-10、CIFAR-100 和 Clothing1M 数据集上进行的实验表明,FedDiv 在不同噪声标签设置下,针对 IID 和 non-IID 的数据分区,都比最先进的 F-LNL 方法达到更优秀的性能。