基于動態(tài)閾值增強原型網絡的聯邦半監(jiān)督學習模型

摘要： 目前，聯邦半監(jiān)督學習面臨著有效利用訓練過程中大量無標簽數據的挑戰(zhàn)。盡管通過輕量級的原型網絡實現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，本算法在多個數據集上均取得優(yōu)異的... （共12頁）