Federated Continual Learning as a Distributed Drift-Plus-Penalty Control Problem
تقترح هذه الورقة إطار عمل "التعلم المستمر الموحد المنظم بالدور" (FedQCL)، وهو إطار عمل مبتكر يصيغ التعلم المستمر الموحد كمسألة تحكم عشوائي باستخدام تحسين "انجراف زائد بالإضافة إلى العقوبة" (Lyapunov drift-plus-penalty) لإدارة النسيان صراحةً من خلال أدوار افتراضية، مما يحقق دقة فائقة وتقليلاً للنسيان في الاختبارات المعيارية غير المتجانسة دون الحاجة إلى إسقاط التدرج أو عبء اتصالات إضافي.