‹ arXiv cs.AI

FedFiOT:单次和少轮联邦学习中模型合并的费舍尔加权最优传输

原文:FedFiOT: Fisher-Weighted Optimal Transport for Model Merging in One-Shot and Few-Round Federated Learning

arXiv cs.AI 未缓存正文

一次性和几轮联邦学习(FL)通过在一轮或几轮通信中构建全局模型来减轻通信负担,但通常比传统的多轮 FL 获得的性能较低。如果没有频繁的同步,客户端模型可能会分散,导致学习相似特征的神经元在客户端之间占据不同的位置。与此同时,本地数据

正在把原文抓到本机服务器…首次约 3~8 秒,抓好后本站永久缓存,下次秒开。

抓不到时可直接看原文(部分站点需要登录/反爬,服务器也无法抓取)。

打开原文 ↗

正文由本站服务器抓取保存(已自动过滤广告、推荐位与追踪图片),排版与原站可能不同;版权归原站所有。

相关报道同一事件 / 同分类