Jun, 2024
通过加法和低秩分解在联邦学习中解耦通用和个性化知识
Decoupling General and Personalized Knowledge in Federated Learning via Additive and Low-Rank Decomposition
Xinghao Wu, Xuefeng Liu, Jianwei Niu, Haolin Wang, Shaojie Tang...
TL;DRFedDecomp 是一种简单而有效的个性化联邦学习范式,通过参数加法分解来解决数据异构性问题,从而更彻底地解耦共享和个性化知识,实现了比参数划分方法更好的性能。