BriefGPT - AI 论文速递
·
FedAC：一种适应性聚类的异构数据联邦学习框架
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一种自适应的聚类联邦学习框架FedAC，通过解耦神经网络并为每个子模块使用不同的聚合方法，将全局知识融合到簇内学习中。实验结果表明，FedAC在不同的非独立同分布设置下，CIFAR-10和CIFAR-100数据集的测试准确率分别提高了约1.82%和12.67%。
🎯
关键要点
-
提出了一种自适应的聚类联邦学习框架，名为 FedAC。
-
FedAC 通过解耦神经网络并为每个子模块使用不同的聚合方法，将全局知识融合到簇内学习中。
-
采用经济高效的在线模型相似度度量，基于降维技术。
-
引入了一个用于改进复杂异构环境中自适应性和可扩展性的簇数微调模块。
-
实验结果显示，FedAC 在 CIFAR-10 和 CIFAR-100 数据集的测试准确率分别提高了约 1.82% 和 12.67%。
➡️
