FedSoft：基于近端局部更新的软聚类联邦学习
机器学习
2022-03-24 v2
摘要
传统上，聚类联邦学习将具有相同数据分布的客户端归入一个簇，使每个客户端唯一关联一种数据分布并协助训练该分布的模型。我们放宽这一硬关联假设为软聚类联邦学习，允许每个本地数据集服从多种源分布的混合。我们提出 FedSoft，在该设定下同时训练本地个性化模型与高质量簇模型。FedSoft 利用近端更新限制客户端工作负载，要求在每一通信轮中仅由子集客户端完成一项优化任务。我们从分析和实验上表明，FedSoft 有效利用源分布间的相似性，学习到表现良好的个性化与簇模型。
引用
@article{arxiv.2112.06053,
title = {FedSoft: Soft Clustered Federated Learning with Proximal Local Updating},
author = {Yichen Ruan and Carlee Joe-Wong},
journal= {arXiv preprint arXiv:2112.06053},
year = {2022}
}