时间异构性下的联邦学习
机器学习
2023-09-19 v1
摘要
本工作中，我们探究了客户端间存在时间异构性的联邦学习。我们观察到，使用固定长度序列训练的\texttt{FedAvg}所得到的全局模型比使用变长序列训练时收敛更快。基于该经验观察，我们提出了缓解时间异构性以实现高效联邦学习的方法。
引用
@article{arxiv.2309.09381,
title = {Federated Learning in Temporal Heterogeneity},
author = {Junghwan Lee},
journal= {arXiv preprint arXiv:2309.09381},
year = {2023}
}