异构边缘设备

FedARA：异构边缘设备上基于锚驱动表征对齐的资源自适应低秩个性化联邦学习

FedARA: Resource-adaptive Low-rank Personalized Federated Learning via Anchor-driven Representation Alignment on Heterogeneous Edge Devices

低秩分解+重构融合的共享特征提取器方案，允许各客户端按本地资源自选秩值，可直接迁移到视觉模型在异构边缘设备上的分布式协同训练与通信压缩；锚驱动的表征一致性学习则为解决非IID视觉数据下特征空间漂移提供了可复用的对齐思路。