面向鲁棒车辆目标检测的异构数据处理的联邦学习

BriefGPT - AI 论文速递 · 2024-05-02T00:00:00Z

本文介绍了一种新的联邦学习方法FedProx+LA，用于解决车载网络中的数据异质性问题。研究结果显示FedProx+LA具有卓越的收敛速度，并在标签分布非常异质的情况下显示出显著的改进。与基准方法相比，FedLA和FedProx+LA的收敛速度提高了30%。