ICME 2022 | 通过校准蒸馏对非独立同分布和长尾数据进行联合学习

• 论文链接：https://arxiv.org/abs/2205.00172
• 代码链接：https://github.com/shangxinyi/FEDIC

本文主要研究Non-iid和长尾分布上的联邦学习问题，无需事先了解全局类分布情况下，提出了一种有效的服务器端优化方法，称为不平衡校准的联邦集成蒸馏。基于FedIC算法，在服务器上采用知识蒸馏技术将知识从集成模型转移到全局模型，但是在长尾设置中，集成模型可能仍然偏向于头类数据，因此可能导致迁移的知识没有帮助。

内容中包含的图片若涉及版权问题，请及时与我们联系删除