BriefGPT - AI 论文速递
·
面向实例自适应的联邦学习推理
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
该文介绍了一种新的FL算法FedIns，用于处理FL框架中的内部客户数据异质性，并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上比现有FL算法表现更好，性能提升超过6.64%，通信成本不到15%。代码和模型将公开发布。
🎯
关键要点
- 提出了一种新的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
- 性能提升超过6.64%
- 通信成本不到15%
- 代码和模型将公开发布
➡️
