Update your browser to view this website correctly. Update my browser now
背景经典的联邦学习（FL）可以在不共享数据的情况下训练机器学习模型，以保护隐私。数据异构性是 FL 的基本特征，会导致训练和测试数据不一致（数据漂移）等挑战。个性化联邦学习（Personalized FL）通过在本地数据上进行训练，从全局训练的过程中或完成后，产生个性化模型，从而缓解或解决这一问题。
ICLR 2023A Statistical Framework for Personalized Federated Learning and Estimation: Theory, Algorithms, and PrivacyPersonalized Federated Learning wi
最近想起的一些事情老师：同学，上来解一下这一题。同学：二分之A减二B呀。老师：什么？叫你上台来解一下这题。同学：老师我已经解出来了，A减二B再除以二呀。老师：啥A？哪有B？快上来板书！同学：A是脚的总数，B是头的总数。
统计异构相关Paper List
《娱乐至死》等
