Federated Learning Client Pruning for Noisy Labels

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了ClipFL框架,旨在改善联邦学习中噪声标签的处理效果。通过评估客户端在干净验证数据集上的表现,ClipFL能够识别并排除表现不佳的客户端,从而显著提高准确性、加快收敛速度并降低通信成本。

🏷️

标签

➡️

继续阅读