heterogeneous federated learning | BriefGPT

关键词heterogeneous federated learning

搜索结果 - 7

联合模型异构母娃表示学习
Federated model heterogeneous Matryoshka Representation Learning (FedMRL) enables knowledge exchange and improves model
PDFa month ago
稳健联邦学习的进展：异质性考虑
异构联邦学习领域中，关键挑战是在具有不同数据分布、模型结构、任务目标、计算能力和通信资源的多个客户端之间高效协作训练模型。本文首先概述了异构联邦学习的基本概念，并从数据、模型、任务、设备和通信五个方面总结了在联邦学习中的研究挑战。此外，我们
PDF2 months ago
CVPR一种从服务器端预训练生成器向异构联邦学习中的客户端传输知识的高效上传方案
通过利用预训练生成器中存储的知识，我们提出了一种新的上传高效的知识传输方案，称为联邦知识传输环（FedKTL），它能够通过服务器上生成器的推理来生成与客户任务相关的典型图像 - 向量对，每个客户端可以通过额外的受监督的本地任务将预先存在的知
PDF3 months ago
AAAIFedLPS: 多任务异质联邦学习与本地参数共享
在本文中，我们提出了利用本地参数共享的异构联邦学习（FedLPS）来解决边缘计算环境中多任务部署和资源消耗不均匀问题，并通过模型剪枝算法和异构模型聚合算法来减少计算资源的消耗。实验证明，FedLPS 相对于现有联邦学习框架在性能上有很大的提
PDF5 months ago
AAAIFedTGP：适应数据和模型异质性的具有自适应边缘增强对比学习的可训练全局原型
通过使用自适应边际增强对比学习（ACL）学习 Server 端的可训练全局原型（TGP），FedTGP 方法在维持原型增值的同时保留语义含义，实验证明在保持通信和隐私优势的基础上最高可提升 9.08% 的准确性，该方法超过了现有最先进方法。
PDF6 months ago
多层原型的动态异构联邦学习
提出了一种名为 Federated Multi-Level Prototypes (FedMLP) 的新型联邦学习框架，以应对异构数据分布和动态任务的联邦学习需求，并引入原型和语义原型来缓解概念漂移问题。
PDF7 months ago
异构联邦学习：现状与研究挑战
通过对异构联邦学习中的研究挑战和最新方法的概述，提出了一种新的现有方法分类法，并讨论了异构联邦学习的关键和具有潜力的未来研究方向。
PDFa year ago