2022年4月27日
FedFast: Going Beyond Average for Faster Training of Federated Recommender Systems阅读笔记
摘要： #动机 本文是2020年KDD上的一篇论文。传统的联邦推荐在每一轮随机选择用户参与训练，并简单地使用它们的局部模型平均来计算全局模型，但是这种方式需要大量客户端训练多轮才能收敛到一个令人满意的效果。本文提出的FedFast可以加速训练过程，并且可以获得一个准确性更高的模型。 #算法 以下是FedFa 阅读全文
posted @ 2022-04-27 22:48 South1999 阅读(172) 评论(0) 推荐(0) 编辑