FedACS：异构感知客户端采样的联邦学习方法论文

Shudi Weng、Chao Ren、Ming Xiao、Mikael Skoglund 等在 arXiv 发布论文，提出联邦学习客户端采样方法 FedACS（Federated Heterogeneity-Aware Client Sampling），用于同时处理通信与计算异构，并消除客户端能力差异导致的目标不一致。 作者在理论上证明，即使处于动态异构环境中，FedACS 也能以 O(1/√R) 的速率收敛到正确最优。该方法被作者称为可消除所有类型目标不一致的通用方法；目前仅为论文声称的理论结果，材料未说明实验验证情况。

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。