摘 要：用户的异质性对联邦学习（FL）构成了显著挑战，这可能导致全局模型偏移和收敛速度缓慢。针对此问题，提出一种结合知识蒸馏和潜在空间生成器的联邦学习方法（FedLSG）。该方法通过中央服务器学习一个搭载潜在空（试读）...
登录
