个性化联邦学习中的所需学习内容
原文中文，约400字，阅读约需1分钟。发表于：。个性化联邦学习中的数据异质性是一个重要问题，目前的方法未能根据每个本地客户端的数据特征定制合作方式，导致聚合结果不理想。为解决这一问题，我们提出了一种基于算法展开的个性化联邦学习框架 Learn2pFed，使每个客户端能够自适应地选择其本地模型参数中应参与协作训练的部分。Learn2pFed 的关键创新之处在于通过算法展开方法，将每个本地模型参数的参与程度作为可学习参数进行优化。实验证明...
Learn2pFed是一种基于算法展开的个性化联邦学习框架，解决了数据异质性问题，使每个客户端能够自适应地选择参与协作训练的模型参数部分。Learn2pFed在多个任务中表现优于以往的个性化联邦学习方法。
