提出一种新型联邦协同学习框架，通过在边缘服务器上进行多维训练优化，显著降低边缘学习成本并提升模型精度。
Shucun, Fu · 东方 · Runze, Chen · 沈典 · 张竞慧 · He, Qiang
IEEE Transactions on Mobile Computing 2025
通过优化模型分割和资源分配，减少训练过程中的计算与通信开销，从而降低整体成本。
在降低训练成本的同时，通过联合优化提升模型的训练精度，优于现有方法。
将原始问题分解并建模为潜在博弈，利用去中心化算法快速找到纳什均衡，避免复杂优化。