Amirardalan Dehghanpour

新个性化联邦学习方法HDC-FL表现强劲

研究人员推出了一种新颖的个性化联邦学习方法HDC-FL，该方法利用客户端特定的分类器头来指导表示共享。该方法将客户端描述符分组并为每个组创建编码器原型，然后将这些原型返回给客户端。在各种CIFAR-10和CIFAR-100配置下，HDC-FL在与现有的个性化和聚类联邦学习基线相比时，表现出有竞争力的性能，尤其在宏平均最差客户端和底部20%准确率方面表现出色。