FedSA:通过语义锚点进行原型基础的联邦学习的统一表示学习

📝

内容提要

本研究解决了现有原型基础联邦学习中因统计和模型异构性导致的表示不一致问题。提出的FedSA框架引入了语义锚点来引导本地模型学习一致的表示,并通过锚点正则化和分类器校准增强原型的分离性和紧凑性。实验结果表明,FedSA在各种分类任务中显著优于现有的方法。

🏷️

标签

➡️

继续阅读