10:07arXiv cs.LG@Yaron Kiselman, Kfir Y. Levy标准联邦学习优化全局平均目标,对数据分布差异大的客户端表现不佳。本文提出SP-CACW框架,通过最小化目标客户端收敛误差的上界来选择聚合权重,可在偏差与方差间权衡并分配零权重给有害客户端。在MNIST、CIFAR-100和LEAF Shakespeare数据集上,该方法与强个性化及聚类基线相比具有竞争力或更优。论文SP-CACW联邦学习个性化学习收敛感知客户端加权推荐理由:新论文提出SP-CACW,让联邦学习里只选利于你的客户端梯度,避免负迁移,效果比个性化基线还好。原文