论文坑位-"Personalized Federated Learning using Hypernetworks" & "Personalized Federated

前一篇是ICML 2021的,后一篇是NIPS 2021的。

Personalized Federated Learning using Hypernetworks

这篇文章很有意思的地方在于,直接使用一个hypernetwork根据用户的特征向量生成个性化的模型参数,即:

\[\theta_i=h(\varphi, v_i) \]

还没有精读,但是他的思想很粗暴,不像hierarchy model一样还需要假设分布之类的,直接用一个网络来模拟模型参数的生成过程。有两个问题没解决:

  1. 用户特征怎么定义
  2. 收敛性

Personalized Federated Learning with Gaussian Processes

这篇应该和前一篇是同一个组的,到时候一起看代码细读下,先占个坑位。

代码链接第一篇第二篇

上一篇:开源一个golang写的游戏服务器框架


下一篇:强化学习论文阅读——免模型强化学习