实体
Ayush Mohanty
Ayush Mohanty
PulseAugur coverage of Ayush Mohanty — every cluster mentioning Ayush Mohanty across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
联邦学习框架解读跨客户端的非线性时间动力学
研究人员开发了一个新的联邦学习框架，旨在解读去中心化非线性系统中的时间依赖性。该方法允许客户端将局部观测映射到潜在状态，然后由中央服务器利用这些状态学习一个图结构模型。该框架通过将学习到的转移模型的雅可比矩阵与注意力系数相关联来提供可解释性，为理解跨客户端的时间关系提供了一种新颖的方式。理论收敛保证和实验验证证明了其在合成和真实场景中的有效性。
-
联邦学习获得不确定性感知以进行因果发现
研究人员开发了一种新的联邦格兰杰因果（FedGC）方法，通过纳入不确定性感知来解决确定性点估计的局限性。该方法提供了校准的不确定性度量，使操作员能够区分可靠的跨客户端交互和虚假的交互。该方法推导出了稳态方差的闭式表达式，并提出了一种训练后假设检验程序来识别真正的交互，在合成和真实世界的数据集上优于现有的联邦因果结构学习基线。