你的数据，我的模型：学习联邦学习中谁真正有帮助
机器学习
2025-05-30 v3
摘要
许多重要的机器学习应用涉及生成本地数据并训练个人化模型的网络设备，如可穿戴设备或智能手机。一个关键挑战是确定哪些同行对协作最有益。我们提出一种简单且隐私保护的方法，通过评估在另一个设备的数据上执行单个梯度步骤后模型的改进——而无需共享原始数据——来选择相关合作者。该方法自然地扩展到非参数模型，通过将梯度步骤替换为非参数推广。我们的做法使模型无关、数据驱动的同行选择成为个人化联邦学习(PersFL)的可能。
引用
@article{arxiv.2409.02064,
title = {Your Data, My Model: Learning Who Really Helps in Federated Learning},
author = {Shamsiiat Abdurakhmanova and Amirhossein Mohammadi and Yasmin SarcheshmehPour and Alexander Jung},
journal= {arXiv preprint arXiv:2409.02064},
year = {2025}
}