学习资料
SCAFFOLD 论文学习笔记|理解联邦学习中的客户端漂移与控制变量
从联邦学习的客户端漂移出发,理解 SCAFFOLD 的控制变量及其作用。
联邦学习 / 优化
从第一个问题出发,走进知识的细节。课程、推导与实验,都在这里。
从联邦学习的客户端漂移出发,理解 SCAFFOLD 的控制变量及其作用。
梳理 FedSAM 与 MoFedSAM,理解局部损失平坦性与联邦优化的关系。
围绕 FedQ 学习联邦 Q-learning,梳理异质环境下的收敛与通信问题。
从策略梯度、优势、Critic 和 GAE 出发,理解重要性采样与 PPO-Clip,配有公式、裁剪曲线和交互计算演示。
从回报、价值函数与贝尔曼方程出发,学习 TD、Q-learning、DQN、策略梯度、Actor–Critic 和世界模型,配有公式与交互演示。
从矩阵维度、秩、特征值和 SVD 出发,逐步理解二次型、微分、梯度与反向传播,并应用于 FedNova 论文阅读。含 87 张公式卡片、5 个交互实验和 14 道自测题。
在 WSL2 与 RTX 5060 Ti 上完成 FedNova 的 36 次 CIFAR-10 训练。六组均优于 FedAvg,末轮提升 4.49–7.77 个百分点;逐组对照论文表 1,保留最佳值、三种子波动、图 2/图 5 与 FP64 恢复记录。