BriefGPT - AI 论文速递
·
关于谱模型分片的采样策略
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文分析了FedAvg类联邦学习算法在不同客户下的收敛性，指出相关性对收敛速率的负面影响，并提出新算法CA-Fed，以平衡收敛速度与模型偏差，忽略低可用性和高相关性的客户。实验结果表明，CA-Fed在准确性和标准差上优于现有算法。
🎯
关键要点
- 本文分析了FedAvg类联邦学习算法在不同客户下的收敛性。
- 相关性对收敛速率有负面影响。
- 提出新算法CA-Fed，以平衡收敛速度与模型偏差。
- CA-Fed忽略低可用性和高相关性的客户。
- 实验结果表明CA-Fed在准确性和标准差上优于现有算法。
➡️
