研究人员推出了一种新颖的联邦学习聚合方法UPGrad,旨在通过解决客户端更新之间的冲突来提高模型性能。与现有的FedFV、FedGH和FedMGDA+等方法不同,UPGrad专注于将任何客户端的损失提高到一阶。在CIFAR-10上的实验显示,在完全参与的情况下性能提升了+0.78个百分点,尽管当纳入未使用数据时,这一优势有所减弱。该研究还强调,在聚合策略中通常被视为一个量的四个量——冲突、可行性、保真度和位移——实际上可能显著分离。 AI
影响 引入了一种新的聚合技术,可以提高分布式学习场景下的模型性能。
排序理由 详细介绍联邦学习新方法的学术论文。[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 →