基于知识蒸馏与类间关系的异构性缓解方法

打开文本图片集

中图分类号：TP301.5 文献标志码：A 文章编号：1001-3695（2026）02-023-0510-07

doi：10.19734/j. issn.1001-3695.2025.05.0179

0 引言

联邦学习（FL）主要针对数据隐私保护和数据孤岛问题。联邦学习作为新型机器学习范式，通过共享神经网络的模型权重或者梯度等信息实现了分布式神经网络的协同学习[1]，它充分利用了客户端中心通信、客户端的计算能力和分布式数据源，被认为是一种通信高效的方案[2.3]

联邦学习的结构天然适合计算与通信相结合的分布式智能系统[4]。（剩余20321字）