非IIDデータを持つプライバシー柔軟なフェデレート学習のための近似勾配符号化

非IIDデータと遅延クライアントの課題に取り組むため、プライバシー柔軟なフェデレート学習のための新しいデータ駆動型アプローチを提案する。オフラインデータ共有と近似勾配符号化の組み合わせにより、プライバシーと有用性のトレードオフを実現し、モデル収束と精度を向上させる。