分布差异感知的联邦学习方法

摘要：

针对联邦学习中非独立同分布的样本导致模型出现收敛慢、训练不稳定等问题,采用琴生-香农(JS)散度衡量不同用户的数据分布差异,对联邦学习的分布差异最小化问题进行了数学建模,提出分布差异可感知的联邦学习方法,通过数值实验验证了该方法的有效性.实验表明,经过优化的数据分布,可有效加快联邦模型的训练准确率,使模型收敛到更稳定的状态.

关键词：联邦学习、数据共享、非独立同分布、分布差异、梯度下降

所属期刊栏目：25

分类号：TP391.9(计算技术、计算机技术)

资助基金：国家自然科学基金62025208

在线出版日期：2024-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：404-410