Personalized Federated Learning

联邦学习面临数据异质性、设备异质性和通信效率等挑战，特别是数据异质性导致难以训练适用于所有客户端的单一全局模型。个性化联邦学习（PFL）旨在通过定制化方法，使全局模型能够适应每个客户端的独特需求，从而提升模型在异质环境中的性能和实用性。