Roughness-Informed Federated Learning
粗糙度感知的联邦学习
机构 * Electrical Engineering and Computer Science, University of California at Merced（加州大学梅尔德分校电气工程与计算机科学系） ； Department of Applied Mathematics, University of California Merced（加州大学梅尔德分校应用数学系） ； Dept. of Innovation and Research, North Carolina State University（北卡罗来纳州立大学创新与研究部门） ； Mechatronics, Embedded Systems and Automation (MESA) Lab, Department of Mechanical Engineering, School of Engineering, University of California, Merced, CA（机械工程系工程学院机电一体化、嵌入式系统与自动化（MESA）实验室，加州大学梅尔德分校）
AI总结 RI-FedAvg通过引入粗糙度指数正则化项，有效缓解联邦学习中的客户端漂移问题，提升非独立同分布场景下的鲁棒性和效率。
Comments This manuscript is under review in IEEE TPAMI journal
