arXiv cs.LG· Paul Kurian, Tamoghna Chattopadhyay, Abhijith Shaji, Greg Ver Steeg, Paul M. Thompson, Jose Luis Ambite·· 4 天前AI 评分30
数据量异质性可提升神经影像联邦学习性能
Data Amount Heterogeneity Improves Performance in Federated Learning for Neuroimaging
AI 导读
在基于结构 MRI 分类阿尔茨海默病等神经影像任务中，由数据量异质站点（1 个大站点加小站点）组成的联邦学习表现优于同质联邦，在低数据量机制下尤为显著。引入大站点通常能实现更快的收敛速度与更高的最终准确率，性能接近集中式训练，并能更好地利用 ENIGMA 等大型联盟中普遍存在的小数据量站点。
来源：arXiv cs.LG · arxiv.org