个性化联邦学习相关论文
联邦学习（Federated learning）是为解决分布式机器学习中基于隐私保护的数据碎片化和数据隔离问题。在联邦学习系统中，各参与者节点合......
为克服联邦学习（FL）客户端数据和模型均需同构的局限性并且提高训练精度，该文提出一种基于合作博弈和知识蒸馏的个性化联邦学习（pFedCK......
随着人工智能理论研究的不断深入,人工智能技术被应用于各个领域中。人工智能模型的训练需要大量数据,但在现实世界中,多数领域的......
针对现有联邦学习同步更新模型不易实现,以及客户端数据分布差异较大时服务器集中融合客户端模型将带来负效应,导致全局模型性能较......
