BriefGPT - AI 论文速递
·
泛化的异构联邦交叉相关与实例相似度学习
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种利用未标记公共数据进行通信的新联邦学习方法，解决模型异质性和灾难性遗忘问题，并提出了综合评估标准。实验证明该方法在各种场景下高效且优越。
🎯
关键要点
-
提出了一种新的基于 FCCL + 的联邦相关性和相似性学习方法。
-
通过非目标蒸馏，在异构参与方之间利用不相关的未标记公共数据进行通信。
-
构建了交叉相关矩阵，并在逻辑和特征层面上对实例相似度分布进行对齐。
-
旨在解决模型异质性和灾难性遗忘问题。
-
提出了一种综合评估标准。
-
实验证明该方法在各种场景下的优越性和模块的高效性。
➡️
