电子技术杂志社

摘要：阐述针对现有半监督联邦学习研究未充分考虑系统异构性和模型收敛性的问题,提出FedSemiOpt框架,通过交替优化簇间和云侧模型更新频率,实现异构终端设备上的高效半监督联邦学习。实验结果表明,FedSemiOpt在系统异构和标签缺失的条件下,有效提升了模型训练的效率和性能。

关键词： 边缘计算;联邦学习;系统异构;半监督学习;

基金资助： 国家重点研发计划项目(2021YFB3301500)；

专辑： 信息科技

专题： 自动化技术

分类号： TP181