異構(gòu)聯(lián)邦學(xué)習(xí)在無(wú)人系統(tǒng)中的研究綜述

打開(kāi)文本圖片集

摘 要：異構(gòu)聯(lián)邦學(xué)習(xí)（heterogeneous federated learning，HFL）是一種用于解決數(shù)據(jù)和設(shè)備異構(gòu)性問(wèn)題的分布式機(jī)器學(xué)習(xí)方法，廣泛應(yīng)用于包括無(wú)人系統(tǒng)在內(nèi)的多種場(chǎng)景。隨著無(wú)人系統(tǒng)（如無(wú)人機(jī)、自動(dòng)駕駛車輛）的快速發(fā)展，如何有效應(yīng)對(duì)非獨(dú)立同分布（non-IID）數(shù)據(jù)及設(shè)備計(jì)算能力差異，已成為提升聯(lián)邦學(xué)習(xí)效率和性能的重要挑戰(zhàn)。（剩余34031字）