FedGTA:面向拓扑感知的联邦图学习中的平均化

💡 原文中文,约200字,阅读约需1分钟。
📝

内容提要

该研究对联邦学习框架下的聚合策略进行了数学分析,并提出了一种新的聚合算法,可以根据客户端贡献的价值来修改模型架构。

🎯

关键要点

  • 该研究对联邦学习框架下的聚合策略进行了全面的数学收敛分析。

  • 通过与 FedAvg 进行分类任务的比较来评估新算法的性能。

  • 提出了一种新的聚合算法,可以根据客户端贡献的价值来修改模型架构。

🏷️

标签

➡️

继续阅读