聯(lián)邦學(xué)習(xí)中局部和全局偏移的聯(lián)合動(dòng)態(tài)校正算法

摘要： 目的 在聯(lián)邦學(xué)習(xí)場(chǎng)景中，由于各客戶端數(shù)據(jù)分布的不一致，會(huì)導(dǎo)致各客戶端的局部目標(biāo)之間偏差較大，以及全局平均模型偏離全局最優(yōu)，影響模型訓(xùn)練的收斂速度和模型精度。針對(duì)非獨(dú)立同分布數(shù)據(jù)導(dǎo)致的全局模型收斂緩慢以及模型準(zhǔn)確率較低的問題，提出一種聯(lián)合動(dòng)態(tài)校正的聯(lián)邦學(xué)習(xí)算法（federated learning algorithm for joint dynamic correction, F... （共12頁）