第一部分：基本信息
- 论文标题：FedAWA: Adaptive Optimization of Aggregation Weights in Federated Learning Using Client Vectors
- 作者及单位：
- Changlong Shi, Bingjie Zhang, Dandan Guo*, Yi Chang* (吉林大学)
- He Zhao (CSIRO\’s Data61, Australia)
- Mingyuan Zhou (The University of Texas at Austin, USA)
- 发表会议：CVPR 2024 (2024 年 IEEE/CVF 计算机视觉与模式识别会议) 录取的
- 核心主题：联邦学习（Federated Learning, FL）中的聚合权重自适应优化。
- 开源代码：https://github.com/ChanglongShi/FedAWA
第二部分：当前存在的问题
①数据异构性挑战：联邦学习中，由于用户行为、偏好和设备差异，客户端本地数据分布存在显著异构性（Non-IID），导致本地模型优化方向 di
