![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读
文章平均质量分 89
九九喵99
Practice makes perfect!
展开
-
【论文阅读】Personalized Cross-Silo Federated Learning on Non-IID Data
Personalized Cross-Silo Federated Learning on Non-IID Data一、目的二、方法1、个性化联邦学习目标:2、解决个性化联邦学习(1)提出一般方法(2)FedAMP(3)HeurFedAMP三、总结一、目的这篇文章被AAAI2021接收。由于联邦学习存在数据non-iid分布,论文认为单一全局模型无法适合所有client,因此采用个性化联邦学习,为每个client提供个性化的模型。二、方法1、个性化联邦学习目标:2、解决个性化联邦学习(1)提出原创 2021-09-27 17:21:38 · 1835 阅读 · 4 评论 -
【论文阅读】Device Sampling for Heterogeneous Federated Learning: Theory, Algorithms, and Implementation
异构联邦学习的设备采样: 理论,算法,实现一、文章介绍二、背景和目的三、建模1、边缘设备模型2、网络拓扑3、联邦学习模型4、建模总结四、方法1、数据分流2、设备采样(1)核心思想(2)GCN训练过程3、联邦学习训练过程五、总结一、文章介绍这篇文章被INFOCOM2021接收,解决的是异质联邦学习的设备采样问题。基于网络拓扑和设备性能限制,作者尝试在“节点采样”和“数据分流”中寻找一个最优组合。通过理论分析,作者提出了一个基于GCN的设备采样方法,探索“网络属性”、“采样节点”、“结果分流”之间的关系,最原创 2021-08-20 11:19:26 · 445 阅读 · 0 评论