FedProx中的个性化影响:对统计准确性和通信效率的细致分析
发表于: 。本研究解决了FedProx方法中个性化正则化对统计准确性的改善机制尚未充分建立的问题。我们提出了一种新颖的方法,通过自适应选择正则化强度,提高了个性化效果,并证明其在不同统计异质性下能够超过纯本地训练。此外,研究还展示了更强的个性化能够降低通信复杂度,而不会增加计算成本。
本研究解决了FedProx方法中个性化正则化对统计准确性的改善机制尚未充分建立的问题。我们提出了一种新颖的方法,通过自适应选择正则化强度,提高了个性化效果,并证明其在不同统计异质性下能够超过纯本地训练。此外,研究还展示了更强的个性化能够降低通信复杂度,而不会增加计算成本。