PulseAugur
中
实时 19:23:12
English(EN) Federated Learning over Human-Body Communication for On-Body Edge Intelligence: A Survey, Taxonomy, and BODYFED-HBC Scheduling Vignette

综述梳理了联邦学习与人体通信的整合

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员发表了一篇综述，详细介绍了联邦学习（FL）与人体通信（HBC）在车身边缘智能方面的整合。该论文强调了这两个领域之间薄弱的联系，并为可穿戴网络中不同的FL部署提出了分类法。它引入了一个名为BODYFED-HBC的参考架构和一个面向身体信道的FL优化公式，旨在使学习协议能够响应HBC链路条件和其他可穿戴设备约束。 AI

影响 通过将联邦学习与人体通信相结合，探索了一种新颖的车身边缘智能方法，有望提高可穿戴设备的数据隐私和效率。

排序理由 在arXiv上发表的学术综述论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Koffka Khan ·

    Federated Learning over Human-Body Communication for On-Body Edge Intelligence: A Survey, Taxonomy, and BODYFED-HBC Scheduling Vignette

    arXiv:2605.24062v1 Announce Type: cross Abstract: Human-body communication (HBC) is a promising physical substrate for wearable body-area networks because it can localize communication around the body and reduce the burden of conventional radio links. Federated learning (FL) is a…

相关实体

相关话题