FedALA | 用于个性化联邦学习的自适应本地聚合方法
最新推荐文章于 2023-12-02 14:56:24 发布
FedALA是一种针对联邦学习的自适应本地聚合方法,旨在解决数据统计异质性问题。该方法通过捕获全局模型中每个客户机所需信息,提升个性化模型的性能。FedALA在不增加通讯成本的同时,可以被应用于大多数现有FL方法以提升其个性化表现。实验证明,FedALA在多种数据异质性环境中表现出优越的性能。
摘要由CSDN通过智能技术生成