自适应正则化

基于最优传输的子模型提取实现高效个性化联邦学习

Submodel Extraction for Efficient and Personalized Federated Learning via Optimal Transport

提出基于最优传输的服务器端个性化剪枝框架，可在不访问原始数据的情况下为异构客户端生成定制子模型，并利用自适应正则化缓解参数发散，为视觉模型在边缘设备上的高效个性化部署提供可复用方案。