ICMLMay, 2024
通过合成锚点克服分散式联合学习中的数据和模型异质性
Overcoming Data and Model Heterogeneities in Decentralized Federated Learning via Synthetic Anchors
Chun-Yin Huang, Kartik Srinivas, Xin Zhang, Xiaoxiao Li
TL;DR我们提出了一种名为 DeSA 的新型分散式联邦学习(FL)技术,通过引入合成锚点来解决分散式 FL 中的数据和模型异质性管理问题,并在领域自适应和知识蒸馏理论基础上从理论和实证上展示了其有效性。