新的FedSPC方法改进了个性化联邦学习

研究人员推出了一种名为FedSPC的新方法，旨在增强个性化联邦学习（PFL）。该方法专门针对PFL模型中的共享参数，应用了控制变量校正，以解决客户端优化不同局部目标时出现的_不一致性_。FedSPC可以集成到各种PFL架构中，并在CIFAR-100和Tiny-ImageNet等基准数据集上，使用ViT、ResNet-34和VGG-11等模型，在多种常见的PFL方法中展示了性能提升。 AI

排序理由 这是一篇详细介绍个性化联邦学习新方法的_研究论文_。 [lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• Ajay Menon Kannanthodath Induchoodan
• CIFAR-100
• Ditto
• FedBABU
• Federated Learning
• FedPer
• FedSPC
• LG-FedAvg
• ResNet-34
• Tiny-ImageNet
• VGG-11
• ViT

• 论文
• 其他

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →