pFedMARL

新的pFedMARL方法利用MARL改进非独立同分布数据的联邦学习

研究人员推出了一种新的联邦学习方法pFedMARL，该方法利用多智能体强化学习来应对非独立同分布数据带来的挑战。该方法在聚合过程中动态调整客户端贡献，以增强全局模型的鲁棒性和公平性。该系统在半监督音频频谱图Transformer上进行了测试，与FedAvg和Ditto等标准方法相比，即使存在对抗性客户端，其准确性和弹性也有所提高。