具有自适应个性化层的联邦分阶段解耦
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。
原文中文,约300字,阅读约需1分钟。
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。