FedBAT：通过可学习的二值化实现高效通信的联邦学习
原文中文，约200字，阅读约需1分钟。发表于：。Federated Binarization-Aware Training (FedBAT) is a novel framework for federated learning that reduces communication overhead, addresses approximation errors, and achieves faster convergence with...
本论文提出了一种基于贝叶斯推理的自适应辍学方法（FedBIAD），通过将局部模型权重转化为概率分布，并根据本地训练损失趋势辍掉部分权重行，从而在减少通信成本的同时提高准确性。实验证明该方法在非独立同分布数据上可以提高2.41%的准确率，并最多缩短72%的训练时间。
