研究人员开发了一种新的集群联邦学习(CFL)框架,以解决模型崩溃问题,即某些模型收不到更新。通过将CFL建模为一个动力学系统的控制问题,他们提出使用路由干预来训练利用率不足的模型。在FEMNIST上的实验表明,这种方法可以从不利的起始条件下恢复可用的专业模型,其表现优于标准的CFL基线。 AI
影响 这项研究为提高联邦学习系统的鲁棒性和效率提供了一种新颖的方法,尤其是在易发生模型崩溃的场景中。
排序理由 详细介绍一种新的集群联邦学习方法的学术论文。[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 →