BriefGPT.xyz
Ask
alpha
关键词
clients
搜索结果 - 3
时序异质性中的联邦学习
本研究探讨了在客户端之间存在的时间异质性的联邦学习,并观察到使用固定长度序列进行训练的 FedAvg 获得的全局模型比使用不同长度序列的模型收敛速度更快。我们提出了一种基于经验观察的方法来减轻时间异质性,以实现高效的联邦学习。
PDF
10 months ago
基于联邦学习的可共享特征训练方法,用于友好个性化图像分类
本文提出了一种新的个性化联邦学习框架 ——FedBasis,它学习一组共享的 “基础” 模型,可以线性组合形成客户定制的模型,从而实现在低数据情况下减少推断成本,同时提高参数效率和鲁棒性。
PDF
a year ago
SphereFed: 超球面联合学习
使用球面限制措施的超球面联邦学习 (SphereFed) 框架,通过在联邦学习之前将数据点的表示限制到由客户端共享的单位超球面上,解决了非独立分布数据的处理问题,通过构建固定分类器来处理不类别分布的数据在不同客户端间的差异性并在最小化损失函
→
PDF
2 years ago
Prev
Next