BriefGPT - AI 论文速递
·
基于窗口的模型平均改善了异构联邦学习中的泛化性能
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
MIFA算法解决了Federated Learning中设备不可用的问题，并使用从设备中记忆的最新更新来校正梯度偏差。实验证明，MIFA在非独立同分布数据上实现了最优收敛率，并在真实世界数据集上取得了良好的结果。
🎯
关键要点
- 提出了一种名为 MIFA 的算法来应对 Federated Learning 中设备不可用的问题。
- MIFA 算法有效避免了不活跃设备带来的过度延迟。
- 使用从设备中记忆的最新更新来校正梯度偏差。
- MIFA 在强凸和非凸顺滑函数的非独立同分布数据上实现了极小化最优收敛率。
- 实验验证表明，MIFA 在真实世界数据集上取得了良好的结果。
➡️
