面向不平衡类的联邦学习客户端智能选择算法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：在联邦学习应用场景下，若客户端设备之间的数据呈现非独立同分布特征，甚至出现类不平衡的情况时，客户端本地模型的优化目标将偏离全局优化目标，从而给全局模型的性能带来巨大挑战。为解决这种数据异质性带来的挑战，通过积极选择合适的客户端子集以平衡数据分布将有助于提高模型的性能。因此，设计了一种面向不平衡类的联邦学习客户端智能选择算法—FedSIMT。（剩余17688字）

试读结束

目录
monitor