REFOL:用于交通流预测的资源高效联邦在线学习

📝

内容提要

本研究解决了传统联邦学习方法在交通流预测中面临的挑战,尤其是在概念漂移导致性能下降的问题。提出的REFOL方法通过数据驱动的客户端参与机制和自适应在线优化策略,有效减少了计算和通信开销,同时优化了预测性能。实验结果表明,REFOL在预测精度和资源节省方面具有显著优势。

➡️

继续阅读