Jan, 2024

通过属性推理实现正式逻辑启用的个性化联邦学习

TL;DR提出了一种新的训练范式,通过引入机械生成的逻辑表达式为每个联邦学习客户端增强训练过程,同时根据时间推理属性的一致性开发了分区算法来有效地对客户端进行分组,对两个任务进行了评估,实现了明显的改进,所有顺序预测模型的性能准确性提高了高达 54%。