Consensus-Guided Representation Learning

新的 FedGRC 框架增强了个性化联邦学习

研究人员推出了一种新的个性化联邦学习框架 FedGRC，旨在提高超出本地数据分布的识别性能。该框架通过整合共识引导表示学习 (CGRL) 和多层度量合成 (MMS) 来解决高本地准确性掩盖稀有或未见类别失败的问题。此外，支持自适应收缩个性化 (SASP) 在保留共享知识的同时调整类别均值。在 CIFAR-10、CIFAR-100 和 FedRS 数据集上的实验证明了 FedGRC 的有效性，其全局识别和个性化基线性能优于最先进的基线。