谱图客户端选择减少联邦学习通信量

Usevalad Milasheuski 等作者发表论文，提出用谱图工具做去中心化联邦学习的轻量级客户端选择：每个客户端只向结构上最相关的部分邻居发送模型更新，而非向全邻域广播。方法利用图拉普拉斯特征向量嵌入与热/扩散核相似度引导选择。 据论文报告，在数据强异构、规模较大且结构丰富的图上，准确率最高提升约 3 个百分点，传输消息总数较朴素广播减少 50%。

AI 根据报道生成 · 49 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。