Newest papers

From Classifier Heads to Encoder Prototypes: Personalized Federated Learning with Head-Derived Clustering

Amirardalan Dehghanpour, Arian Noori, Ehsan Tanghatari, Naimeh Omidvar, Hamid R. Rabiee · 2026 · arXiv

DOI: 10.48550/arXiv.2610.30075 · open-access PDF

Vietnamese

Chúng tôi giới thiệu HDC-FL (Head-Derived Clustering for Personalized Federated Learning), trong đó đọc rằng quyết định ra khỏi một tín hiệu chia sẻ-coding đào tạo đã tạo ra: các đầu phân loại cụ thể của khách hàng. Tại các vòng làm mới định kỳ, máy chủ dự án các đầu lưu trữ trong bộ nhớ cache vào một không gian mô tả cấp thấp bình thường, nhóm các mô tả, xây dựng một nguyên mẫu mã hóa mỗi nhóm từ các bộ mã hóa khách hàng được lưu trữ trong bộ nhớ cache, và trả lại cho mỗi khách hàng một hỗn hợp mềm của các nguyên mẫu được ghép đôi với đầu không thay đổi của riêng mình.

Machine translation (Meta M2M100); the English original follows.

Abstract

Personalized federated learning must decide which clients should share representations. We introduce HDC-FL (Head-Derived Clustering for Personalized Federated Learning), which reads that decision off a signal shared-encoder training already produces: the client-specific classifi- er heads. At periodic refresh rounds the server projects the cached heads into a normalized low-rank descriptor space, groups the descriptors, builds one encoder prototype per group from the cached client encoders, and returns to each client a soft mixture of those prototypes paired with its own unchanged head. Clien

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange