長尾分布を持つ連合学習における適応的ロジット調整と特徴最適化

連合学習では、クライアントのデータ分布の異質性と全体的な長尾分布の問題に取り組む必要がある。本研究では、適応的ロジット調整、継続的クラスセンター最適化、特徴の装飾化の3つの修正を提案し、これらを組み合わせたFedLFメソッドを開発した。FedLFは、クライアントのローカル学習フェーズで実行され、プライバシーを保護しつつ、長尾分布の問題を効果的に緩和することができる。