利用特征通信进行远程感知影像分类的联邦学习
原文中文，约300字，阅读约需1分钟。发表于：。在远程感知图像分类方面的联邦学习 (Federated Learning) 领域中，本研究引入和评估了几种创新的通信策略，包括特性中心通信、伪权重合并以及同时利用权重和特性的综合方法。在两个公共场景分类数据集上进行的实验揭示了这些策略的有效性，展示了加速收敛、提高隐私性和减少网络信息交换的效果。该研究为特性中心通信在联邦学习中的意义提供了有价值的洞见，并提供了为远程感知场景量身定制的潜在应用。
本研究在远程感知图像分类中引入了特性中心通信、伪权重合并和综合方法，加速收敛、提高隐私性和减少信息交换。研究为特性中心通信在联邦学习中的应用提供了洞见，并为远程感知场景提供了潜在应用。
