FedUDG：让无标签客户端参与联邦域泛化训练

Junyu Ren、Wensheng Gan 与 Philip S. Yu 发布论文提出 FedUDG，一种让无标签客户端的数据也能参与训练的联邦域泛化方法。 该方法在联邦层面采用参数功能分化策略：只由真实标签更新一部分参数，把由此维护的语义锚点固定下来；其余参数则在有界聚合下吸收无标签域知识。作者称，这样可避免域偏置噪声侵蚀类别语义。论文还给出 FedUDG 的隐私扩展版本 DP-FedUDG。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。