CoASFL框架解决异步联邦学习不一致性问题

Junhao Cheng等人提出CoASFL框架，一种针对异步分割联邦学习的耦合一致性优化方法。 该框架通过动态激活合并与一致性感知模型聚合机制，解决水平与垂直不一致性难题。 在80设备异构边缘测试床中，其训练速度提升1.61至3.74倍，模型准确率最高提升3.26%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。