FedSDD:面向联邦学习模型聚合的可扩展和多样性增强蒸馏

💡 原文中文,约2300字,阅读约需6分钟。
📝

内容提要

该文章介绍了一种基于知识蒸馏的联邦学习方法FedSDD,通过构建教师模型的聚合集合来提高可伸缩性和性能。该方法在基准数据集上表现优于其他联邦学习方法。

🏷️

标签

➡️

继续阅读