Awesome_Federated_Learning_Fan-源码

2021-04-01（关键字：参数更新，视频） 关键字：Non-iid，解决了在联合设置中训练Non-iid数据时精度降低的问题。 数据集：CIFAR-10数据集 关键字：我们提出了一种新颖的方法FedCD，该方法可以克隆和删除模型，以将具有相似数据的设备动态分组。 关键字：我们在损失函数中增加一个惩罚项，迫使所有局部模型收敛到一个共享的最优值。 当前将视频流发送到云进行处理的模型面临许多挑战，例如延迟和隐私。 我们介绍一种基于边缘计算和新兴的联合学习的分布式视频分析体系结构。 关键字：LSTM 我们提出了联邦匹配平均算法（FedMA），该算法设计用于现代神经网络体系结构（例如卷积神经网络（CNN）和LSTM）的联合学习。 摘要：联合学习是一种机器学习设置，其目标是训练高质量的集中式模型，同时训练数据保持分布在大量客户端上，每个客户端的网络连接都不可靠且相对较慢。 我们考虑针对此设置