Effiziente Verarbeitung und Analyse heterogener Daten durch FedRA: Eine zufallsbasierte Allokationsstrategie für das föderierte Feintuning
FedRA, ein neuartiger Algorithmus für föderiertes Feintuning, adressiert die Herausforderung der Merkmalsungleichgewichte in Modellen, die auf Daten von heterogenen Clients trainiert werden, durch eine zufallsbasierte Allokationsstrategie. FedRA ermöglicht eine effiziente Nutzung von Vorwissen aus Grundmodellen, auch wenn nicht alle Clients das gesamte Modell unterstützen können.