论文解读 | KDD2024 基于多粒度提示的个性化联邦持续学习

文章预览

点击蓝字 关注我们 AI TIME欢迎每一位AI爱好者的加入！ 作者信息 喻皓 ，西南财经大学博士生，来自认知计算与群智协同创新研究团队 概述 个性化联邦持续学习（Personalized Federated Continual Learning，简称PFCL）是一种新的实用场景，在共享和个性化知识方面面临更大的挑战。PFCL不仅依赖于全局时空视角下的知识融合进行服务器聚合，还需要根据本地需求对每个客户端的模型进行改进。无论是在个性化联邦学习（Personalized Federated Learning，简称PFL）还是联邦持续学习（Federated Continual Learning，简称FCL）中，现有方法都忽视了知识多粒度表示的重要性，本文首次尝试从符合人类认知“大范围优先“的视角出发，通过模仿人类渐进式多粒度认知过程，构建时空多粒度知识空间，解决了联邦持续学习的时空灾难性遗忘（Spatial-Temporal Catastrophic Forgetting，简称STCF ………………………………