这篇算是研究FL与Class Imbalance比较早的论文吧?
In this work, we propose a monitoring scheme that can infer the composition of training data for each FL round, and design a new loss function – Ratio Loss to mitigate the impact of the imbalance.
(那如果我们放宽条件,直接就可以得到训练数据的组成呢?不能总是被别人的提出的框框限制住呀)
设计一个monitor,当发现类别不平衡时就应用Ratio Loss?
咱也看不懂他是怎么设计的monitor,咱就假设可以知道想要的信息(类别分布)了,然后Ratio Loss是啥呢?
好像就是在Loss前面加了个Ratio?
感觉论文的Ratio Loss这部分篇幅比较小,没有着重分析。
结论:肯定是不能顺着他的路继续研究怎么推断Client的类别分布了,太难了。既然类别分布信息这么重要,我们就假定我们可以知道吧。在研究FL的Global Imbalance问题时,训练数据的分布信息很重要。