异质性意识客户端采样：一致性联邦学习的统一解决方案

本文解决了联邦学习中客户端通信和计算能力异质性导致的优化动态失调及目标不一致性问题。研究揭示了异质性通信和计算驱动联邦学习不一致性的本质机制，并提出了联邦异质性意识客户端采样（FedACS）方法，理论证明该方法在动态异质环境中仍能以$O(1/\sqrt{R})$的速率收敛到正确的最优解，实验结果表明其在多个数据集上的性能超过最先进技术4.3%-36%。