【论文推荐】联邦学习的个性化技术综述，Survey of Personalization Techniques for Federated Learning

题目： Survey of Personalization Techniques for Federated Learning

简介：

联邦学习使机器学习模型可以从分散的数据中学习，而不会损害隐私。 联邦学习的标准制定为所有客户提供了一种共享模型。 由于跨设备的非IID数据分布造成的统计异质性通常导致以下情况：对于某些客户，仅对自己的私有数据进行训练的局部模型的性能要优于全局共享模型，从而丧失了参与该过程的动力。 已经提出了几种技术来个性化全局模型，以更好地为单个客户服务。 本文强调了个性化的必要性，并对有关该主题的最新研究进行了调查。

目录：