该研究使用基于长短期记忆网络的集中式和分散式联邦学习框架进行农作物产量预测，并评估了它们的性能。实验结果显示，两种框架的预测准确度分别超过97%和97.5%，集中式联邦学习可以缩短响应时间约75%。未来研究方向是探索联邦学习在农作物产量预测中的应用。

本文研究了CFL和DFL在平滑非凸目标上的推广效果，发现CFL优于DFL，部分参与在CFL中优于全参与，DFL需要避免性能崩溃的拓扑要求。作者进行了大量实验验证了理论分析的有效性。