MUSMET EEG

新框架DMFL-SQ增强了公平和个性化的去中心化学习

研究人员推出了一种新颖的框架DMFL-SQ，旨在通过解决通信约束、统计异质性和公平性问题来改进去中心化学习系统。该新算法将个性化模型训练与无偏混合公平目标相结合，同时通过稀疏化、量化和事件触发同步显著减少通信。理论分析表明DMFL-SQ保持了强大的收敛速度，并且在CIFAR-10和MUSMET EEG等数据集上的实验证明了其在降低通信开销而不牺牲性能或公平性方面的有效性。