该文介绍了一种半联合学习（SemiFL）范式，将基站和设备的计算能力结合起来，实现集中式学习和联邦学习的混合实施。实验结果显示，所提出的 SemiFL 在 MNIST 数据集上取得了 3.2% 的准确度提高。

该文提出了半联合学习（SemiFL）范式，将基站和设备的计算能力结合起来，实现集中式学习和联邦学习的混合实施。通过设计一种新颖的收发器结构，提高了通信效率。实验结果表明，SemiFL 在 MNIST 数据集上取得了 3.2% 的准确度提高。