基本信息
文件名称:2025年联邦学习非独立同分布数据考题(含答案与解析).docx
文件大小:14.39 KB
总页数:10 页
更新时间:2025-09-09
总字数:约7.73千字
文档摘要

2025年联邦学习非独立同分布数据考题(含答案与解析)

一、单选题(共15题)

1.在联邦学习中,以下哪项技术主要用于解决不同客户端数据分布不一致的问题?

A.数据采样B.数据清洗C.数据对齐D.数据联邦化

答案:C

解析:数据对齐技术通过调整不同客户端的数据分布,使得它们更加接近,从而提高联邦学习的训练效果。参考《联邦学习原理与实践》2025版第4.2节。

2.在联邦学习中,以下哪种方法可以提高模型的泛化能力?

A.模型并行B.模型剪枝C.模型融合D.模型蒸馏

答案:D

解析:模型蒸馏技术可以将大模型的复杂知识迁移到小模型中,从而提高小模型的泛化能力