异构数据稳健学习
一种新型个性化联邦学习模型，专为人类-机器人交互产生的异构数据分布定制，实现稳健的驾驭行为预测。
Bonyani, Mahdi · Rad, Ahamad Besharati
Future Generation Computer Systems 2024
模型在车辆本地更新，只上传模型参数而非原始驾驶交互数据，保护驾驶员隐私和专有策略。
针对每个用户的数据分布定制个性化模型，解决了传统联邦学习在异构数据上学到次优模型的问题。
在三个公开数据集上与最先进方法比较，表现均更优，证明方法有效性。