BriefGPT - AI 论文速递
·
FedADMM-InSa：一种联邦学习的非精确自适应 ADMM 方法
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
该论文提出了一种新颖的FL算法（FedIns），用于处理FL框架中的内部客户数据异质性。实验证明FedIns在Tiny-ImageNet上比现有FL算法表现更好，性能提升多于6.64%，通信成本不到15%。代码和模型将在2023年8月公开发布。
🎯
关键要点
-
该论文提出了一种新颖的FL算法（FedIns）。
-
FedIns用于处理FL框架中的内部客户数据异质性。
-
通过实例自适应推理减少内部客户和跨客户之间的异质性。
-
实验证明FedIns在Tiny-ImageNet上表现更好，性能提升多于6.64%。
-
FedIns的通信成本不到15%。
-
代码和模型将在2023年8月公开发布。
➡️
