BESplit: Bias-Compensated Split Federated Learning with Evidential Aggregation

En 3 lignesBESplit propose un cadre de federated learning distribué (SFL) pour atténuer les effets des données non-IID. La méthode combine Evidential Aggregation pour pondérer les contributions clients, Bias-Compensated Collaboration pour aligner les représentations, et Dual-Teacher Distillation pour synchroniser les modèles. Tests sur 5 benchmarks montrent amélioration de précision et stabilité.

Résumé généré par Claude — vérifié par l'humain