BriefGPT.xyz
Ask
alpha
关键词
fl clients
搜索结果 - 3
多任务联合学习的公平性感知工作调度
基于 Lyapunov 优化,提出了首个公平感知的联邦作业调度(FairFedJS)方法,确保对高需求的联邦学习客户端数据集进行公平分配,以防止长时间等待。通过在两个数据集上与四种最先进的方法进行广泛实验证明,相较于最佳基准线,其在调度公平
→
PDF
6 months ago
FedLoRA:具有 LoRA 调整的异构模型个性化联邦学习
基于 LoRA 调优的计算和通信高效的模型异构个性化联邦学习框架(FedLoRA)为每个联邦学习客户端设计了一个同质化小适配器,从而使得客户端可以在不产生高计算和通信成本的情况下训练异构化的本地模型。FedLoRA 在两个真实数据集上的实验
→
PDF
9 months ago
为联邦学习选择公平感知的客户
通过 Lyapunov 优化的公平感知联邦用户选择(FairFedCS)方法可以在联邦学习中动态调整联邦用户的选择概率,根据联邦用户的声誉、参与联邦任务的次数和对最终模型性能的贡献,共同考虑性能和公平性。在真实的多媒体数据集上进行的大量实验
→
PDF
a year ago
Prev
Next