论文阅读:Personalized Federated Learning:A Meta-Learning Approac

论文名字

Personalized Federated Learning: A Meta-Learning Approach

来源

 

年份

2020.10.23

作者

Alireza Fallah, Aryan Mokhtari, Asuman Ozdaglar

核心点

使用meta learning实现联邦学习的个性化(差异化训练)

阅读日期

2021.5.28

影响因子

 

页数

29

引用数

 

引用

 

内容总结

文章主要解决的问题及解决方案:

主要针对联邦学习中客户端不平衡(non-iid)数据的问题,提出一种个性化联邦学习,使得不同客户端可以根据自己数据集的特点进行个性化训练。

 

文章相比之前的工作创新之处:

1、引入MAML,将客户端的训练当作一个task,全局模型相当于在训练中找到一个合适的初始化参数,使其能在各个客户端(即各个tasks)中能有好的效果,也就是全局模型训练的是局部模型这些任务。

 

文章的主要工作:

1、文中算法对应MAML部分:

论文阅读:Personalized Federated Learning:A Meta-Learning Approac_第1张图片

 

 

 

你可能感兴趣的:(论文阅读,深度学习,联邦学习,个性化联邦学习,异构数据,人工智能)