研究人员推出了一种新颖的联邦学习框架FedUCA,旨在通过解决理性客户端优先考虑自身利益的问题来提高联邦学习的参与度。该非货币化系统允许客户端根据其本地效用阈值沟通参与意愿。然后,服务器会优化聚合参数以满足这些个体理性约束,从而维持全局模型性能并防止客户流失。 AI
影响 该框架可以通过确保持续的客户参与来提高联邦学习系统的鲁棒性和性能。
排序理由 这是一篇详细介绍联邦学习新框架的研究论文。[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 →