REPA: 非独立同分布环境中无需训练和数据标签的客户端聚类改进联邦学习
原文中文，约300字，阅读约需1分钟。发表于：。该论文介绍了一个名为 REPA 的方法，用于在非独立同分布的联邦学习环境中进行客户端聚类，该方法不需要进行训练或标记数据收集，并使用一种基于自动编码器的监督方法来创建客户端的嵌入，从而揭示其潜在数据生成过程，并在三个不同数据集上进行的实验分析证明 REPA 在提供最先进的模型性能的同时扩展了基于聚类的联邦学习的适用范围。
该论文介绍了一种名为REPA的方法，用于在非独立同分布的联邦学习环境中进行客户端聚类。该方法使用基于自动编码器的监督方法来创建客户端的嵌入，无需训练或标记数据收集。实验结果表明，REPA在提供最先进的模型性能的同时扩展了基于聚类的联邦学习的适用范围。
