基于動態(tài)閾值增強原型網絡的聯(lián)邦半監(jiān)督學習模型

摘要： 目前，聯(lián)邦半監(jiān)督學習面臨著有效利用訓練過程中大量無標簽數(shù)據(jù)的挑戰(zhàn)。盡管通過輕量級的原型網絡實現(xiàn)客戶端之間的知識共享可以緩解偽標簽質量問題，但仍然有瓶頸。本文提出一種新的動態(tài)閾值增強下的原型網絡聯(lián)邦半監(jiān)督學習算法。通過引入課程偽標簽技術，其核心是對不同類別樣本的學習狀態(tài)動態(tài)調整閾值，使模型能夠學習高質量的樣本，顯著提高模型的預測性能。實驗結果表明，本算法在多個數(shù)據(jù)集上均取得優(yōu)異的... （共12頁）