FedAnchor: 为未标记的客户端增强联邦半监督学习的标签对比损失

原文约300字，阅读约需1分钟。发表于：。

本文提出了 FedAnchor 方法，它是一种创新的半监督学习方法，引入了独特的双头结构（称为锚头），与仅在服务器上进行训练的分类头配对，锚头使用基于余弦相似度度量的新设计标签对比损失，通过减轻伪标签技术中的确认偏见和过拟合问题，显著提高了模型的收敛速度和准确性。

FedAnchor方法通过双头结构和标签对比损失提高了半监督学习模型的收敛速度和准确性。