【MATLAB代码】PHA-Fed：基于结构风险最小化与 VC 维度理论的个性化异构架构联邦学习框架——面向多任务车联网场景的 NAS 驱动操作级对齐聚合仿真

如需帮助，或有车联网、联邦学习、交通感知相关的代码定制需求，可从个人主页左侧联系我

订阅专栏后，可直接查看源代码，粘贴到MATLAB空脚本中即可直接运行、得到结果

在真实部署的联邦学习系统中，参与客户端往往承载着任务类型迥异、数据分布高度非同质（non-IID）的本地学习目标，一刀切的同构模型架构既无法适配各节点的计算资源约束，也难以捕捉客户端数据内在复杂度的差异。本仿真程序提出了一种个性化异构架构联邦学习框架 PHA-Fed：首先通过特征协方差矩阵的内在维度估计与标签熵代理量，构建每个客户端的任务-数据复杂度指标 $\Omega i{\Omega }_{}$