研究提出基于FractalNet的异构联邦学习方法

有研究提出一种基于 FractalNet 架构的异构联邦学习方法，用于卫星巨型星座的轨道边缘智能，并以野火检测为案例。该方法将受接触窗口约束、深度异构的联邦优化问题形式化，并引入分布式路径调度器，按 SWAP-C 约束、星间接触预测和训练统计来分配模型深度。 该研究由 Sai Puppala、Bhabani P. Sinha 和 Koushik Sinha 提出，论文发布在 arXiv cs.AI。上述内容来自论文自述，尚未见其报告实际部署或检测效果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。