基于复制树的有限数据联邦学习

💡 原文中文,约2400字,阅读约需6分钟。
📝

内容提要

研究人员提出了一种名为RepTreeFL的新型联邦学习框架,通过复制参与客户端的模型架构并扰动其本地数据分布的方式,在有限的数据和少数客户端的情况下,通过聚合多个具有不同数据分布的模型来实现学习。实验结果表明,RepTreeFL在图生成和图像分类任务中表现出良好的效果和优势。

🏷️

标签

➡️

继续阅读