本研究提出了一种异构分布式联合学习框架（HSFL），旨在提高异构边缘设备上的训练效率和模型准确性。通过并行训练客户定制模型，优化计算和传输资源，显著减少延迟并提升收敛速度。该框架在非独立同分布数据环境中经过模拟验证。
完成下面两步后，将自动完成登录并继续当前操作。
