F2STNet

新的F2STNet框架通过公平性增强了联邦图预测

研究人员推出了一种新颖的联邦学习框架F$^2$STNet，用于图结构时空预测。该模型集成了谱图-傅里叶特征、线性复杂度的状态空间时间编码器和图卷积层。为了解决去中心化环境中的数据异质性问题，F$^2$STNet采用了公平感知联邦聚合（FFA）机制，该机制改进了标准的FedAvg方法。在PeMS04、HZMetro和KnowAir等数据集上的实验表明，在联邦设置下预测精度和公平性得到了提高。