研究人员开发了FedEPD，一个新颖的联邦图学习框架，旨在解决长尾数据分布带来的挑战。该方法将拓扑净化与语义重校准分离，使用狄利克雷能量修剪来过滤异质边，并从中心节点提取鲁棒的全局原型。FedEPD旨在在不损害多数类决策边界的情况下提高少数类准确性，并在各种基准测试中展示出显著的性能提升。 AI
影响 这项研究可以提高联邦学习模型在类别分布不平衡的数据集上的性能。
排序理由 该集群包含一篇详细介绍针对特定机器学习问题的新方法的论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
