.png){kind=icon}
返回
Personalized federated learning with feature complementarity and temporal regularization
.png){kind=icon}
PRE
AI
DOI：10.1093/comjnl/bxaf148.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
个性化联邦学习旨在为具有异构数据分布的客户端提供定制化模型，同时保护数据隐私。本文提出了一种基于特征互补性和时序正则化的个性化联邦学习框架（pFedCT），其中每个客户端采用广义学习系统（BLS）作为本地模型。现有基于BLS的联邦学习方法在提升通信效率、隐私保护和拜占庭鲁棒性方面已取得成功，但往往未能解决个性化这一关键问题。为有效实现个性化，pFedCT引入两个关键组件。首先，我们从每个客户端的BLS模型中提取特征节点矩阵，捕捉本地数据的内部特征表示。通过比较这些矩阵的主子空间，评估客户端学习表示之间的互补性，使各客户端能与提供多样且信息丰富知识的其他客户端协作。其次，我们引入时序正则化机制，以稳定跨通信轮次的协作结构，缓解因本地更新波动和数据偏移导致的性能下降。在修改后国家标准与技术研究院（MNIST）和Fashion-MNIST数据集上的广泛实验表明，pFedCT在独立同分布（IID）和非IID设置下均优于现有的BLS基线方法，与基于深度神经网络的方法相比精度具有竞争力，同时在通信和计算效率方面保持优势。
Keyword:
Personalized federated learning
Feature complementarity
Temporal regularization
Broad learning system
Heterogeneous data
期刊
C
IF:
1.5
论文数:
103
被引数:
0
机构
引用论文
Personalized Federated Transfer Learning Based on Global Synthetic Data for Battery State of Health Estimation基于全局合成数据的个性化联邦迁移学习在电池健康状态估计中的应用
PREAI
分享收藏FedPDA: Personalized federated learning based on attribute similarity migrationFedPDA：基于属性相似性迁移的个性化联邦学习
PREAI
分享收藏Reads: A Personalized Federated Learning Framework With Fine-Grained Layer Aggregation and Decentralized Clustering读：一种具有细粒度层聚合和去中心化聚类的个性化联邦学习框架
PREAI
分享收藏FedSPU: Personalized Federated Learning for Resource-Constrained Devices with Stochastic Parameter Update牛, Z.; 董H.; 秦A.K. FedSPU: 资源受限设备上的个性化联邦学习与随机参数更新. Proc. AAAI Conf. Artif. Intell. 2025, 39, 19721–19729. [Google Scholar] [CrossRef]
PREAI
分享收藏pFedBASC: Personalized Federated Learning with Blockchain-Assisted Semi-Centralized FrameworkpFedBASC：基于区块链辅助半中心化框架的个性化联邦学习
PREAI
分享收藏FairDPFL-SCS: Fair Dynamic Personalized Federated Learning with strategic client selection for improved accuracy and fairness.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏Clustered Federated Learning: Model-Agnostic Distributed Multitask Optimization Under Privacy Constraints集群联邦学习: 隐私约束下的模型不可知的分布式多任务优化
OAAI
OAAI分享收藏
查看更多内容