Core Concepts
グループ接続性を向上させることで、FLの一般化を改善する。
Abstract
複数の異種クライアントが協力してグローバルモデルをトレーニングするFLは、中央集権的なトレーニングと比べて一般化が不足している。本論文では、固定されたアンカーモデルを使用してクライアント間の接続性を向上させ、FedGuCciとFedGuCci+を提案しました。これらの手法は、異なるタスク、モデル、およびトレーニングパラダイムでFLの一般化を向上させることが示されています。
Stats
4つのCVデータセットと6つのNLPデータセットでクライアント異質性下でFLの一般化を向上させる方法が示されています。
ローカルモデル同士がどれだけ接続されているかを示す「connectivity」に焦点を当てた新しい視点からFLが研究されました。
Quotes
"We propose FedGuCci and FedGuCci+, improving group connectivity for better generalization."
"Our methods can boost the generalization of FL under client heterogeneity across various tasks, models, and training paradigms."