概念
FedProx
联邦学习中的优化算法，通过在本地目标函数中引入近端正则项限制客户端模型与全局模型的偏差，适用于异质性数据场景
时间轴 (近 90 天)
9月29日
SCAFFOLD、FedProx等联邦凸优化算法通过引入方差缩减或近端正则项来纠正客户端漂移，已建立起接近最优的通信复杂度界
待验证50%
9月29日
SCAFFOLD、FedProx等技术的关键前提是算子F本身是某函数的梯度场，可借助函数值下降构造Lyapunov势能证明收敛，而一般单调算子不存在此势函数
待验证50%
联邦学习中的优化算法，通过在本地目标函数中引入近端正则项限制客户端模型与全局模型的偏差，适用于异质性数据场景
SCAFFOLD、FedProx等联邦凸优化算法通过引入方差缩减或近端正则项来纠正客户端漂移，已建立起接近最优的通信复杂度界
SCAFFOLD、FedProx等技术的关键前提是算子F本身是某函数的梯度场，可借助函数值下降构造Lyapunov势能证明收敛，而一般单调算子不存在此势函数