FedCostWAvg：一种用于改进联邦学习的新型平均方法
机器学习
2021-11-17 v1
摘要
我们提出了一种简单的联邦学习新聚合策略，该策略赢得了 MICCAI 联邦肿瘤分割挑战赛 2021（FETS）——机器学习界首个联邦学习挑战赛。我们的方法解决了如何聚合在不同数据集上训练的多个模型的问题。从概念上讲，我们提出了一种在选择不同模型平均时的权重的新方法，从而扩展了当前最先进水平（FedAvg）。实证验证表明，与 FedAvg 相比，我们的方法在分割性能上取得了显著提升。
引用
@article{arxiv.2111.08649,
title = {FedCostWAvg: A new averaging for better Federated Learning},
author = {Leon Mächler and Ivan Ezhov and Florian Kofler and Suprosanna Shit and Johannes C. Paetzold and Timo Loehr and Benedikt Wiestler and Bjoern Menze},
journal= {arXiv preprint arXiv:2111.08649},
year = {2021}
}