协作分布式联邦学习与并行训练与聚合

本研究提出了一种新型的协作分布式联邦学习方案，通过将模型分为三部分，实现客户端与服务器的并行训练与聚合，显著降低了计算和通信负担，并提高了模型的准确性。实验结果验证了该方案的优势。