FedShift: 通过权重偏移聚合解决联邦学习的双重异质问题

📝

内容提要

FedShift 是一种新颖的算法,旨在在双重异质性情况下提高训练速度和模型的准确性,通过量化和移位技术改善客户参与度,并提升在异质性环境中的准确性 3.9%。

🏷️

标签

➡️

继续阅读