联邦学习经典高被引论文《原型对比联邦学习-FedProc》

文章预览

机器学习算法那些事 本次分享的论文是西安电子科技大学NSS实验室在2023年被期刊《Future Generation Computer Systems》录用的一篇论文：「FedProc: Prototypical contrastive federated learning on non-IID data」。FGCS是一本综合性的国际学术期刊，由Elsevier出版。它在计算机领域具有广泛的影响力，被SCI和SCIE数据库收录。该期刊的影响因子为7.5。在中科院分区中，属于大类 “计算机科学”2区，小类“计算机：理论方法”1区。 论文链接： https: / /www.sciencedirect.com/science /article/pii /S0167739X23000262 论文代码： https: //github.com/XidianNSS/FedProc 论文作者： 穆旭彤，沈玉龙（通信作者），程珂，耿雪莉，付家瑄，张涛，张志为 实验室主页： http://xidiannss.com/              摘要   联邦学习（FL）允许多个客户端在保持训练数据本地化的同时，共同训练高性能的深度学习模型。然而，当 ………………………………