关键词non-identically distributed data
搜索结果 - 2
- 资源受限异步联邦学习系统中的降低系统偏差
在非同步聯邦學習 (AFL) 的部署中,我們提出一種動態全球模型聚合方法,以應對異質設備和在客戶端之間非相同分佈的數據所帶來的性能挑戰。我們的聚合方法基於客戶端的上傳頻率對其模型更新的權重進行評分和調整,以適應設備能力的差異。此外,我們在客 - ICML客户端适应性改善具有模拟非独立同分布客户端的联邦学习
本论文提出了一种联邦学习方法,用于在数据在客户端之间是非独立和非同一分布的情况下,学习适应客户端的鲁棒性模型。通过模拟异构客户端,我们发现添加学习的客户端特定条件可以提高模型性能,并且该方法证明可以适用于音频和图像领域的平衡和不平衡数据集。