论文名字 | Personalized Federated Learning: A Meta-Learning Approach |
来源 | |
年份 | 2020.10.23 |
作者 | Alireza Fallah, Aryan Mokhtari, Asuman Ozdaglar |
核心点 | 使用meta learning实现联邦学习的个性化(差异化训练) |
阅读日期 | 2021.5.28 |
影响因子 |
|
页数 | 29 |
引用数 |
|
引用 |
|
内容总结 | |
文章主要解决的问题及解决方案: 主要针对联邦学习中客户端不平衡(non-iid)数据的问题,提出一种个性化联邦学习,使得不同客户端可以根据自己数据集的特点进行个性化训练。
文章相比之前的工作创新之处: 1、引入MAML,将客户端的训练当作一个task,全局模型相当于在训练中找到一个合适的初始化参数,使其能在各个客户端(即各个tasks)中能有好的效果,也就是全局模型训练的是局部模型这些任务。
文章的主要工作: 1、文中算法对应MAML部分:
|