FedFFT

联邦学习研究通过频域分析解决客户端漂移问题 · 已追踪 2 个来源

两篇新研究论文 FedFFT 和 SpecGradFilter 提出新颖方法，通过分析频域中的梯度扰动来解决联邦学习中的客户端漂移问题。两篇论文都指出，客户端更新中的不一致性，尤其是在使用 Sharpness-Aware Minimization (SAM) 时，集中在低频分量。通过过滤这些低频信号，它们各自的框架旨在提高模型泛化能力和收敛性，尤其是在非独立同分布（non-IID）数据分布下，而不会显著增加通信开销。