BriefGPT - AI 论文速递
·
具有自适应个性化层的联邦分阶段解耦
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了FedTSDP算法，一种两阶段解耦式联邦学习算法。该算法通过推理输出和模型权重两次进行客户端聚类，并采用修正的Hopkins采样来确定聚类的适时，并使用公共未标记数据的采样权重。实验结果表明，该方法在IID和非IID场景下具有可靠的性能。
🎯
关键要点
- 介绍了一种名为 FedTSDP 的两阶段解耦式联邦学习算法。
- 算法通过推理输出和模型权重两次进行客户端聚类。
- 采用修正的 Hopkins 采样来确定聚类的适时。
- 使用公共未标记数据的采样权重。
- 开发了一种根据数据倾斜程度自适应调整个性化层的方法。
- 实验结果表明该方法在 IID 和非 IID 场景下具有可靠的性能。
🏷️
标签
➡️
