BriefGPT - AI 论文速递
·
Mitigating Domain Shift in Federated Learning via Intra- and Inter-Domain Prototypes
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出了一种新颖的联邦原型学习方法I²PFL，旨在解决联邦学习中的域偏移问题。该方法结合域内和域间原型，通过MixUp增强原型和重加权机制，提高模型的泛化能力，实验结果表明其性能优于其他基线方法。
🎯
关键要点
-
本研究提出了一种新颖的联邦原型学习方法I²PFL，旨在解决联邦学习中的域偏移问题。
-
I²PFL结合了域内和域间原型，以缓解域偏移并学习通用的全局模型。
-
该方法通过引入MixUp增强原型和重加权机制，提高了模型的泛化能力。
-
实验结果表明，I²PFL的性能优于其他基线方法。
➡️
