Core Concepts
FedDureは、デュアルレギュレーターを使用して、クライアントごとに最適なローカルモデルの更新を調整し、内部および外部の不均衡に対処します。
Abstract
フェデレーテッド学習が分散型異種データからモデルを学習する方法であることが紹介されている。
フェデレーテッド半教師あり学習(FSSL)は、ラベル付きデータの不足により、一部のラベル付きデータからモデルをトレーニングすることが必要であることが述べられている。
FedDureは、C-regとF-regの2つの規制器を使用して新しいFSSLフレームワークを提案し、既存の手法よりも優れた性能を示すことが実証されている。
実験では、FedDureが3つの異なる設定で他の手法よりも優れた性能を発揮することが示されている。
Stats
11%以上の改善:CIFAR-10およびCINIC-10データセットでFedDureは既存手法よりも11%以上性能向上している。