BriefGPT - AI 论文速递
·
异质数据上的一致性机制联邦学习：收敛性的新视角
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文介绍了FedCOME共识机制，通过微调客户端梯度减少风险，并提出了新的客户端采样策略。实验证明FedCOME在效果、效率和公平性方面优于其他方法。
🎯
关键要点
- 提出了一种名为 FedCOME 的共识机制。
- 通过微调客户端梯度减少每轮训练后的风险。
- 设计了一种新的客户端采样策略，适用于部分参与的联邦学习场景。
- 有效减少未被选中的客户端的风险。
- 在四个基准数据集上进行广泛实验，证明 FedCOME 在效果、效率和公平性方面优于其他方法。
➡️
