이 논문은 지속적으로 변화하는 데이터 분포와 제한된 저장 공간이라는 실제 상황에서 개인화된 연합 학습(pFL) 문제를 다룬다. 기존 pFL 방법은 정적인 데이터 분포를 가정하므로 이러한 상황에 적용하기 어렵다.
저자는 이를 해결하기 위해 다음과 같은 접근법을 제안한다:
실험 결과, 제안 방법인 pFedGRP가 다양한 기준 방법들에 비해 우수한 성능을 보였다. 특히 데이터 분포 변화가 심한 상황에서 강건성이 뛰어났다.
To Another Language
from source content
arxiv.org
ข้อมูลเชิงลึกที่สำคัญจาก
by Sixing Tan, ... ที่ arxiv.org 10-03-2024
https://arxiv.org/pdf/2410.01502.pdfสอบถามเพิ่มเติม