BriefGPT - AI 论文速递 · 2023-11-30T00:00:00Z FediOS: 在特征不平衡联邦学习中解耦正交子空间实现个性化 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本文介绍了个性化联邦学习（pFL）中的一种有效方法FediOS，通过重新设计特征偏斜pFL的架构解耦设计，将模型分为通用和个性化特征提取器以及共享预测头。实验证明该方法在特征偏斜异质性下达到了最先进的pFL性能。 🏷️ 标签 FediOS 个性化联邦学习 子空间 最先进的性能 架构解耦设计 特征偏斜 联邦学习 阅读原文 生成长图 分享链接 已复制链接
