异质数据上的一致性机制联邦学习：收敛性的新视角

在本文中，我们提出了一种名为 FedCOME 的共识机制，通过在服务器端对客户端的梯度进行微调，保证了每轮训练后每个客户端的风险减少；我们还设计了一种新的客户端采样策略，将共识机制推广到部分参与的联邦学习场景，有效地减少了未被选中的客户端的风险。通过在四个基准数据集上进行广泛实验证明了 FedCOME 在效果、效率和公平性方面优于其他最先进的方法。

本文介绍了FedCOME共识机制，通过微调客户端梯度减少风险，并提出了新的客户端采样策略。实验证明FedCOME在效果、效率和公平性方面优于其他方法。

FedCOME 一致性 共识机制 客户端采样策略 微调 联邦学习 风险
原文中文，约300字，阅读约需1分钟。发表于：。
阅读原文
分享给好友