Apr, 2024
基于条件稀疏到更稀疏方案的去中心化个性化联邦学习
Decentralized Personalized Federated Learning based on a Conditional Sparse-to-Sparser Scheme
Qianyu Long, Qiyuan Wang, Christos Anagnostopoulos, Daning Bi
TL;DR提出了一种新颖的 DA-DPFL 稀疏到更稀疏的训练方案,通过动态聚合逐渐减少模型参数,从而在保留关键学习期间的足够信息的同时实现了能耗大幅降低,并在测试准确性上明显优于 DFL 基准。