17:44
官方账号arXiv cs.LG@Mirko Konstantin, Stefan Zachow, Anirban Mukhopadhyay
推荐理由：联邦学习遇到非独立同分布数据时，LIGHTYEAR用NTK判断哪些更新对你有用，比单纯比参数靠谱，五个数据集上都赢了。
个性化聚合
共 1 条相关 AI 资讯
8月13日
17:44
联邦学习面临客户端数据异构导致更新聚合效果不佳的挑战。LIGHTYEAR框架将更新选择从参数空间迁移到函数空间，利用神经正切核(NTK)计算一致性分数，评估各客户端模型对预测行为的影响。该方法采用点对点拓扑，让客户端直接在私有验证数据上评估候选更新，并仅聚合对自身目标域有益的更新。在5个数据集上与9种基线方法对比，LIGHTYEAR持续优于集中式联邦学习基线和现有P2P方法。