本研究探讨了联邦学习中因数据异质性引发的分布式概念漂移问题，强调局部分类器在适应漂移中的重要性。提出的FedCCFA框架通过分类器聚类和特征对齐，显著提升了学习效果。

Classifier Clustering and Feature Alignment in Federated Learning for Distributed Concept Drift
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证