GC-Fed:具有部分客户端参与的梯度集中联邦学习

💡 原文中文,约300字,阅读约需1分钟。
📝

内容提要

本研究提出了一种无参考的梯度修正方法——梯度集中联邦学习(GC-Fed),有效解决了高数据异质性下的客户端漂移问题,显著提升了训练稳定性和模型性能,精度最高可提高20%。

🏷️

标签

➡️

继续阅读