BriefGPT - AI 论文速递 · 2025-03-12T00:00:00Z 具有受损客户端的稳健非对称异构联邦学习 📝 内容提要 本研究解决了存在模型异构和数据受损客户端的稳健联邦学习任务。提出了一种新颖的稳健非对称异构联邦学习框架（RAHFL）和增强多样性的监督对比学习技术，以提高模型在面对不同数据损坏模式时的韧性和适应性。实验结果表明，该方法在多种复杂的联邦学习环境中具有显著的有效性和稳健性。 🏷️ 标签 客户端 联邦学习 阅读原文 生成长图 分享链接 已复制链接
