异构联邦学习在无人系统中的研究综述

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘 要：异构联邦学习（heterogeneous federated learning，HFL）是一种用于解决数据和设备异构性问题的分布式机器学习方法，广泛应用于包括无人系统在内的多种场景。随着无人系统（如无人机、自动驾驶车辆）的快速发展，如何有效应对非独立同分布（non-IID）数据及设备计算能力差异，已成为提升联邦学习效率和性能的重要挑战。（剩余34031字）

试读结束

目录
monitor