聯(lián)邦學習中局部和全局偏移的聯(lián)合動態(tài)校正算法

摘要： 目的 在聯(lián)邦學習場景中，由于各客戶端數(shù)據(jù)分布的不一致，會導致各客戶端的局部目標之間偏差較大，以及全局平均模型偏離全局最優(yōu)，影響模型訓練的收斂速度和模型精度。針對非獨立同分布數(shù)據(jù)導致的全局模型收斂緩慢以及模型準確率較低的問題，提出一種聯(lián)合動態(tài)校正的聯(lián)邦學習算法（federated learning algorithm for joint dynamic correction, F... （共12頁）