基于聚类的个性化联邦学习鲁棒性研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：个性化联邦学习（Personalized Federated Learning，PFL）允许每个客户端根据本地数据特性定制个性化模型，从而提高子模型对本地数据的适应性和预测精度。该研究探讨PFL在抵御数据攻击方面的潜力，并结合聚类算法和联邦学习算法的方法，提高模型的准确率和对投毒数据检测的鲁棒性。（剩余7636字）

试读结束

目录
monitor