分类精度提升16%
针对时变全局最优的联邦学习场景，利用随机傅里叶特征和再生核希尔伯特空间理论，在降低梯度方差和偏差的同时，实现对全局梯度的动态跟踪。
Yifu, Lin · 李文玲 · 宋佳 · 李晓明
IEEE Transactions on Signal Processing 2025
在两个在线学习任务上分类精度分别提高5%和16%，证明算法能有效适应数据漂移。
性能受数据离散程度的不利影响较小，在不同数据分布条件下保持稳定。
采用随机傅里叶特征与核方法抑制局部数据导致的梯度方差，提升学习稳定性。
通过核空间建模缓解数据异构带来的梯度偏差，适应非独立同分布数据。