研究人员推出了一种新颖的联邦学习框架FedHPro，旨在通过利用超原型来提高泛化能力。这些超原型是可学习的全局类原型，旨在跨分布式客户端保留语义知识。该框架通过与真实客户端样本进行梯度匹配来优化这些超原型，增强了类间可分性和类内一致性。在基准数据集上的实验表明，FedHPro在异构客户端场景下语义对齐全局信号方面表现优越。 AI
影响 引入了一种新方法来提高联邦学习模型中的语义一致性和泛化能力。
排序理由 该集群包含一篇详细介绍联邦学习新框架的学术论文。[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 →
