基于动态阈值增强原型网络的联邦半监督学习模型

摘要： 目前，联邦半监督学习面临着有效利用训练过程中大量无标签数据的挑战。尽管通过轻量级的原型网络实现客户端之间的知识共享可以缓解伪标签质量问题，但仍然有瓶颈。本文提出一种新的动态阈值增强下的原型网络联邦半监督学习算法。通过引入课程伪标签技术，其核心是对不同类别样本的学习状态动态调整阈值，使模型能够学习高质量的样本，显著提高模型的预测性能。实验结果表明，本算法在多个数据集上均取得优异的... （共12页）