研究人员开发了 FedSSL-AMC，一个新颖的联邦自监督学习框架，用于无线系统中的自动调制分类（AMC）。该方法解决了分布式环境中的通信开销、隐私担忧和数据异质性等挑战。通过利用带有三元组损失自监督的CNN编码器和在有限标记数据上的本地支持向量机，FedSSL-AMC 实现了高效且鲁棒的表示学习，其性能优于传统的监督联邦学习基线。 AI
影响 该框架可以实现为无线通信系统中边缘设备进行更高效、更私密的AI模型训练。
排序理由 该集群包含一篇详细介绍用于特定应用的联邦学习新框架的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
