本研究では、フェデレーテッド増分学習(FIL)シナリオにおける致命的な忘却問題とデータの異質性に焦点を当てています。 Re-Fedは、各クライアントが重要なサンプルを再生するために協調し、重要なサンプルをキャッシュする能力を理論的に分析しました。実験結果は、Re-Fedが他の手法よりも優れたテスト精度を達成していることを示しています。このフレームワークは、プライバシーと通信効率を保ちつつ、任意のフェデレーテッド学習アルゴリズムに対する軽量化された個人化アドオンと見なすことができます。
Til et andet sprog
fra kildeindhold
arxiv.org
Vigtigste indsigter udtrukket fra
by Yichen Li,Qu... kl. arxiv.org 03-12-2024
https://arxiv.org/pdf/2403.05890.pdfDybere Forespørgsler