RLAvg

FedSPDnet通过几何感知的聚合策略推进联邦学习

研究人员开发了FedSPDnet，一个新颖的联邦学习框架，专为处理具有Stiefel约束参数的对称正定（SPD）矩阵的模型而设计。该框架引入了两种聚合策略，ProjAvg和RLAvg，它们保留了数据的几何结构，这与标准的欧几里得平均不同。与联邦EEGnet相比，FedSPDnet在EEG运动想象基准测试中在F1分数和鲁棒性方面表现更优，同时还降低了通信开销。