基于相似性的个性化联邦学习模型聚合框架

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：传统联邦学习中经过加权聚合得到的全局模型无法应对跨客户端的数据异构的问题。现有研究通过形成个性化模型应对，但个性化模型如何平衡全局的共性信息和本地的个性信息是一个挑战。针对上述问题，提出了一种个性化联邦学习模型聚合框架FedPG（federated learning with personalized global model）。（剩余21893字）

试读结束

目录
monitor