FedKACE

新FedKACE方法增强了流式联邦持续学习

研究人员开发了FedKACE，一种新颖的联邦持续学习方法，专为具有任意类别重叠的流数据场景设计。该方法解决了在数据以顺序、任务无关的块形式到达的非平稳环境中，平衡新知识获取与旧知识保留的挑战。FedKACE包含一个用于在本地和全局推理模型之间切换的自适应机制，一个用于平衡客户端特定知识的基于梯度的重放方案，以及一个用于保留信息样本以增强知识保留的缓冲区维护策略。