BriefGPT - AI 论文速递
·
基于元胞自动机的联邦学习智能客户端选择
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了一种新的FL算法CA-Fed，平衡收敛速度和模型偏差，忽略可用性低和相关性大的客户。实验结果表明，CA-Fed比现有算法具有更高的时间平均准确性和更低的标准差。
🎯
关键要点
- 提出了一种新的FL算法CA-Fed，旨在平衡收敛速度和模型偏差。
- CA-Fed算法忽略可用性低和相关性大的客户。
- 研究了不同客户的异构和相关可用性对FedAvg类FL算法的收敛速率的影响。
- 实验结果显示CA-Fed在合成数据集和实际数据集上优于现有算法，如AdaFed和F3AST，具有更高的时间平均准确性和更低的标准差。
➡️
