FedBAT：通过可学习的二值化实现高效通信的联邦学习

BriefGPT - AI 论文速递 · 2024-08-06T00:00:00Z

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。