TY -的A2陈狗明非盟- Li Xianxian AU -锣,Yanxia盟——梁、元盟——王,Li-e PY - 2021 DA - 2021/12/17 TI -个性化联合学习Semisupervised蒸馏SP - 3259108六世- 2021 AB -异构数据和模型构成联合学习的关键挑战。学习框架,然而,传统的联合培养全球模型通过转移模型参数,有很大的局限性;它要求所有参与者有相同的培训模式架构,和训练有素的全球模型并不能保证准确预测参与者的个人数据。为了解决这个问题,我们提出一个新的联邦框架命名个性化联合学习semisupervised蒸馏(pFedSD),确保参与者的隐私模型架构,提高沟通效率,传输模型的预测类分布而不是模型参数。首先,服务器采用自适应聚合方法来减少低质量的重量对模型的预测模型预测类分布上传的所有客户,这有助于提高预测的聚合类的质量分布。然后,服务器发送回客户为当地培训获得个性化的模型。我们终于进行了不同的实验数据集(MNIST, FMNIST, CIFAR10)和结果表明,该模型pFedSD超过最新的联邦蒸馏算法的性能。SN - 1939 - 0114 UR - https://doi.org/10.1155/2021/3259108 - 10.1155 / 2021/3259108摩根富林明安全和通信网络PB - Hindawi KW - ER