Personalisiertes Föderiertes Lernen

Federated Learning steht vor Herausforderungen wie Datenheterogenität, Geräteheterogenität und Kommunikationseffizienz, wobei die Datenheterogenität es besonders schwierig macht, ein einziges globales Modell zu trainieren, das für alle Clients anwendbar ist. Personalisiertes Federated Learning (PFL) strebt an, die Leistungsfähigkeit und Praktikabilität von Modellen in heterogenen Umgebungen durch die Anpassung von Methoden zu verbessern, um das globale Modell den spezifischen Anforderungen jedes Clients anzupassen.