基于动态聚类的个性化联邦学习与模块化组合策略

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘  要：提出一种基于动态聚类的个性化联邦学习方法来解决联邦学习下数据异构的问题。此方法将优化目标向量与凝聚聚类算法相结合，在保证节省计算资源的同时，将数据差异较大的客户端动态划分到不同的集群中。此外，出于对训练模型可持续使用的考虑，进一步提出模块可组合策略，新的客户端只需将之前训练模型组合便可以得到一个适合本地任务的初始模型。（剩余8190字）

试读结束

目录
monitor