- 博客(3)
- 收藏
- 关注
原创 论文笔记3 FedADMM
在今天,数据以分布式的方式大量生成,数据的隐私性的保护尤为重要,由此联邦学习(FL)应运而生。尽管FedAvg是目前最流行的FL算法,但是它没有考虑系统异质性和统计异质性,具体来说,没有解决异构网络的掉线问题(鲁棒性),也不适用于非IID数据分布情况。本文章提出了一种基于原始-对偶算法的新的FL算法FedADMM通过使用局部增广拉格朗日和对偶变量,FedADMM同时解决了系统和统计异质性问题;通过引入一般的服务器更新步长,实现收敛速度和抗震荡性间的良好平衡;
2024-07-30 19:40:33
1540
原创 论文笔记2 SwiftAgg
对 SwiftAgg:Communication-Efficient and Dropout-Resistant Secure Aggregation for Federated Learning with Worst-Case Security Guarantees 这篇文章作的笔记。
2024-07-19 19:10:06
1095
原创 论文笔记1 FedCor
针对 Correlation-Based Active Client Selection Strategy for HeterogeneousFederated Learning 这篇文章的阅读笔记
2024-06-27 00:10:06
1652
2
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人