FedPer

新的FedSPC方法改进了个性化联邦学习

研究人员推出了一种名为FedSPC的新方法，旨在增强个性化联邦学习（PFL）。该方法专门针对PFL模型中的共享参数，应用了控制变量校正，以解决客户端优化不同局部目标时出现的_不一致性_。FedSPC可以集成到各种PFL架构中，并在CIFAR-100和Tiny-ImageNet等基准数据集上，使用ViT、ResNet-34和VGG-11等模型，在多种常见的PFL方法中展示了性能提升。