具有多样性意识的客户端选择,实现高效沟通的联邦学习
原文:Diversity-Aware Client Selection for Communication-Efficient Federated Learning
联邦学习 (FL) 支持跨分布式客户端进行协作模型训练,而无需共享原始数据,这使其对隐私敏感和带宽受限的应用程序具有吸引力。部署 FL 的一个实际挑战是减少通信开销,同时在异构、非 IID 数据分布下保持模型性能。选择参与的客户子集
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)。
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。