Iterative Parameter Alignment: Eine robuste Methode zum Zusammenführen von Peer-Modellen in der Federated Learning über divergente Domänen hinweg
Iteratives Parameterabgleich (IPA) ist eine neue Methode zum Zusammenführen von Peer-Modellen, die auf unabhängigen Datensätzen trainiert wurden. IPA ist vorteilhaft in Szenarien mit getrennten Klassen, erreicht den Stand der Technik bei homogenen Datenaufteilungen und hat wettbewerbsfähige Konvergenz bei heterogenen Datenaufteilungen.