Federated Reconnaissance: Efficient, Distributed, Class-Incremental Learning 论文阅读+代码解析
论文地址点这里一.介绍论文中,作者提出了联合侦察,这是一类新的学习问题,分布式模型应该能够独立地学习新的概念,并有效地共享这些知识。通常在联合学习中,单个静态类集由每个客户端学习。相反,联邦侦察要求每个客户机可以单独学习一组不断增长的类,并与其他客户机有效地交流之前观察到的和新的类的知识。这种关于学习类的交流可以从客户那里获得知识;然后期望最终合并的模型支持每个客户机已公开的类的超集。然后可以将合