English(EN) Towards Interpretable Federated Learning

新调查描绘可解释联邦学习图景

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-27 04:00

本文提供了首个关于可解释联邦学习（IFL）的全面调查，IFL 是一个专注于使联邦学习模型易于理解的研究领域。作者们引入了一个新的 IFL 分类法，该分类法对解释预测的方法、辅助模型调试以及揭示数据所有者贡献的方法进行了分类。该调查分析了现有的 IFL 方法、评估指标，并提出了未来的研究方向。 AI

排序理由该集群包含一篇关于机器学习子领域调查的学术论文。[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 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Anran Li, Rui Liu, Ming Hu, Yuanyuan Chen, Shipeng Wang, Lizhen Cui, Han Yu · 2026-05-27 04:00

迈向可解释的联邦学习

arXiv:2302.13473v2 Announce Type: replace Abstract: Federated learning (FL) enables multiple data owners to build machine learning models collaboratively without exposing their private local data. In order for FL to achieve widespread adoption, it is important to balance the need…