FedSheafHN: Revolutionäres Federated Learning für personalisierte Graphen
Graph‑strukturierte Daten sind in vielen modernen Anwendungen allgegenwärtig. Beim subgraph‑basierten Federated Learning (FL) werden diese Daten auf mehrere Clients verteilt, wobei jeder Client nur einen Teilgraphen besitzt. Ziel des personalisierten subgraph‑FL ist es, für jeden Client ein eigenes Modell zu trainieren, das die unterschiedlichen Datenverteilungen berücksichtigt. Doch die starke Heterogenität der lokalen Teilgraphen führt häufig zu erheblichen Leistungsunterschieden zwischen den Clients.
