针对个性化联邦学习的客户正则化和类别分布聚合
原文中文,约400字,阅读约需1分钟。发表于: 。个性化联邦学习中,通过使用分别适用于具有多样数据分布的客户端的定制模型。本文提出了一种新颖的 PFL 方法,即类别级联联邦平均(cwFedAVG),该方法在服务器端按类别执行联邦平均(FedAVG),创建多个每个类别的全局模型。每个本地模型使用其估计的本地类别分布(由深度网络权重的 L2 -...
本文介绍了一种新颖的个性化联邦学习方法,即类别级联联邦平均(cwFedAVG),通过在服务器端按类别执行联邦平均,创建多个全局模型,并使用本地类别分布加权整合这些模型。实验结果显示,cwFedAVG 在概念上简单而计算高效,可以与现有方法相媲美甚至更好。