PulseAugur
中
实时 11:33:03

新的迁移学习框架使用摘要统计信息实现隐私保护的AI

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一种新颖的无源数据迁移学习框架，该框架利用单索引模型（SIMs）来改进目标域的学习。该方法通过仅传输摘要统计信息来绕过对原始源数据的需求，从而增强了隐私性并避免了未知非线性链接函数的问题。该框架包含一个由传输统计信息中预估索引指导的多层感知器，以捕捉复杂的非线性并减少过拟合，在实验中显示出持续的改进。 AI

影响 这种隐私保护的迁移学习方法可以实现跨分布式数据集更高效、更安全的模型训练。

排序理由 该集群包含一篇详细介绍机器学习新方法的学术论文。

在 arXiv stat.ML 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的迁移学习框架使用摘要统计信息实现隐私保护的AI

报道来源 [2]

  1. arXiv stat.ML TIER_1 English(EN) · Ye Tian ·

    稀疏单索引模型的多元迁移学习

    arXiv:2606.29658v1 Announce Type: cross Abstract: Transfer learning leverages knowledge from related source domains to improve learning in a target domain. Recent theoretical advances cover a broad range of regression settings within (generalized) linear models. Despite their div…

  2. arXiv stat.ML TIER_1 English(EN) · Ye Tian ·

    稀疏单索引模型的多元迁移学习

    Transfer learning leverages knowledge from related source domains to improve learning in a target domain. Recent theoretical advances cover a broad range of regression settings within (generalized) linear models. Despite their diversity, these methods share two common constraints…

相关实体

相关话题