Zahra Kharaghani

联邦学习研究聚焦量化、公平性和噪声问题 · 跟踪 4 个来源

该研究论文集探讨了联邦学习（FL）的进展，这是一种用于分布式智能并保护数据隐私的方法。其中一篇论文全面回顾了量化技术，以解决 FL 的可扩展性问题，例如通信瓶颈和设备异构性。另一篇论文介绍了 FAIRVAR，一种新颖的方差正则化方法，通过减少客户端之间的性能差异来提高公平性。第三篇论文提出了 VRA-FedSGD，这是一种旨在处理大规模 FL 部署（特别是针对物联网设备）中普遍存在的重尾梯度和通信噪声的算法。