TACO: Tackling Over-Correction in Federated Learning with Tailored Adaptive Correction

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出TACO算法,旨在解决边缘计算中非独立同分布数据导致的联邦学习过度修正问题。通过客户端特定的梯度修正和模型聚合,TACO显著提升了模型性能、收敛性和训练效率,展现出优异的实际应用效果。

🏷️

标签

➡️

继续阅读