クライアントが自身のプライベートデータを使って個別のモデルを構築し、他のクライアントのモデルも活用することで、より良いパーソナライズされたモデルを得ることができる。
クライアントのデータ分布の異質性に対処するため、表現学習に基づく新しい個人別連邦学習アプローチを提案する。提案手法では、深層学習モデルの層を密に分割し、適切なスケジューリング手法を適用することで、データ異質性とクラス異質性の両方に対処できる。
