摘要：联邦学习（FL）是一种分布式机器学习方法，旨在通过训练模型而不共享客户之间的原始数据来解决隐私问题。然而，跨客户端数据的异构性会阻碍FL 中的优化收敛性和泛化性能。为了解决这个问题，本文提出了平衡信息（试读）...
登录
