联邦持续学习不断旧知
通过类别平衡的梯度自适应补偿损失和语义蒸馏损失，在本地和全局层面同时抑制灾难性遗忘，使新客户端加入时旧类别不被遗忘。
董家华 · Li, Hongliu · 丛杨 · 孙干 · Zhang, Yulun · van Gool, Luc J.
IEEE Transactions on Pattern Analysis and Machine Intelligence 2023
通过类别平衡的梯度自适应补偿损失平衡易忘与难忘旧类别的遗忘速度，并通过语义蒸馏损失保持不同任务间的类关系一致。
代理服务器通过自监督原型增强扩充新类别原型图像，提高选择最佳旧全局模型的鲁棒性，以应对不同客户端间的非独立同分布类别不平衡。