arXiv cs.LG· Shutong Zheng, Sijia Chen·· 7 小时前AI 评分23
SPEAR：无需训练的一次性联邦图学习统计估计框架
Rethinking One-Shot Federated Graph Learning: Training-Free Statistical Estimation
AI 导读
研究者提出 SPEAR，一个完全无需训练的框架，将一次性联邦图学习重新表述为统计估计问题，直接在原始特征空间从本地图计算拓扑平滑的类原型，再由服务器用样本量自适应收缩估计器聚合，降低不可靠本地估计的权重。在七个基准上，SPEAR 在极端异构条件下持续达到 SOTA 精度，并较所有基线至少提速一个数量级，对生成式和蒸馏类方法提速达数个数量级。代码已开源。
来源：arXiv cs.LG · arxiv.org