2023年9月26日
异质数据环境下的联邦学习
摘要： 近年来，大量数据的产生和边缘设备算力的提高，以及对数据隐私的要求使得以联邦学习为代表的分布式机器学习得到研究关注。传统的联邦学习优化方法如FEDAVG由于其简单实现且具有较低的通信代价得到了广泛的应用，但是其在异质数据环境下很难取得优秀的效果。联邦学习中各客户端的数据分布是非独立同分布的（Non-I 阅读全文
posted @ 2023-09-26 20:45 ZerekGe 阅读(165) 评论(0) 推荐(0)