BriefGPT - AI 论文速递 · 2024-10-24T00:00:00Z Classifier Clustering and Feature Alignment in Federated Learning for Distributed Concept Drift 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究探讨了联邦学习中因数据异质性引发的分布式概念漂移问题，强调局部分类器在适应漂移中的重要性。提出的FedCCFA框架通过分类器聚类和特征对齐，显著提升了学习效果。 🏷️ 标签 FedCCFA 局部分类器 数据异质性 概念漂移 联邦学习 阅读原文 生成长图 分享链接 已复制链接
