BriefGPT - AI 论文速递
·
放射学中的实际联邦学习：克服的困难与获得的好处
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文提出了以三个真实的数据集为基础的FL算法实验基准及考虑性能和成本的经济模型。同时引入了FedPxN方法，结合了FedProx和FedBN，性能优于其他FL算法，功耗略高于最省电的方法。
🎯
关键要点
- 提出了以三个真实的数据集为基础的FL算法实验基准。
- 考虑了性能和成本的经济模型。
- 引入了结合FedProx和FedBN的FL方法FedPxN。
- FedPxN在性能方面优于其他FL算法。
- FedPxN的功耗略高于最省电的方法。
➡️
