SMoFi: Schrittweise Momentum-Fusion für Federated Learning bei heterogenen Daten
Split‑Federated Learning nutzt die Rechenleistung zentraler Server, um Modellpartitionen zu trainieren. Doch die stark unterschiedlichen Daten in den einzelnen Silos führen zu einer erheblichen Verzerrung der Gradienten, die die Konvergenzgeschwindigkeit und die Genauigkeit des globalen Modells stark beeinträchtigen.
