两篇新研究论文探讨了联邦学习在医学影像和长尾数据集方面的进展。第一篇论文介绍了一种隐私保护的个性化联邦学习框架,该框架使用差分隐私和个性化模型来防御基于DCGAN的攻击,并在Brain MRI ND-5数据集上证明了其有效性。第二篇论文提出了SCOPE,一种用于长尾联邦学习中语义核心集选择的可扩展、无需训练的方法,该方法通过利用冻结的视觉-语言模型,显著减少了训练时间和数据传输。 AI
影响 这些论文推动了联邦学习技术的发展,为专业数据集提供了改进的隐私保护和更高效的训练。
排序理由 两篇在arXiv上发表的学术论文,详细介绍了联邦学习的新方法。
- alphaXiv
- Brain MRI ND-5
- CatalyzeX
- Connected Papers
- DagsHub
- DCGAN
- Deep Convolutional Generative Adversarial Networks
- differential privacy
- federated learning
- Gotit.pub
- Hugging Face
- Litmaps
- Md Anwar Hossen
- Md Morshedul Islam
- ScienceCast
- scite Smart Citations
- SCOPE
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →