研究人员开发了一种新的联邦共形风险控制(CRC)协议,以解决标准CRC在多机构部署中存在的问题。跨机构汇总校准分数的标准方法可以保护平均水平的医院,但无法保证相当一部分个别站点的覆盖率。相反,每个站点的本地CRC方法会将预测集膨胀到无法使用的程度。提出的基于收缩的协议仅将每个站点的经验风险曲线传输到服务器,服务器然后计算每个站点的收缩正则化阈值,从而平衡最坏情况下的覆盖率和预测集的效率。 AI
影响 这项研究可以通过确保参与机构之间更公平的风险分配,来提高联邦学习模型在医疗保健等敏感领域的可靠性和可用性。
排序理由 该集群包含一篇详细介绍联邦机器学习新协议的研究论文。
- alphaXiv
- CatalyzeX Code Finder for Papers
- Collaborative Research Centre
- Conformal Risk Control
- CORE Recommender
- DagsHub
- Federated Conformal Risk Control
- FeTS-2022
- Gotit.pub
- Hugging Face
- IArxiv Recommender
- Influence Flower
- risk-curve shrinkage
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →