FEDGLOSS算法BEYOND LOCAL SHARPNESS:COMMUNICATION-EFFICIENT GLOBALSHARPNESS-AWARE MINIMIZATIONFOR
第一部分:解决的问题数据异构性:客户端数据分布差异导致本地和全局损失地形(losslandscape)不一致,本地优化可能收敛到尖锐最小值,影响全局模型的泛化。现有方法的局限性:如FEDSAM在客户端使用SAM优化本地尖锐性,但无法保证全局平坦性;FEDSMOO引入全局信息但通信开销翻倍。第二部分:论文idea解决客户端更新与全局模型不一致的问题。(1)全局锐度优化在服务器端,使用SAM技术来寻找