实体
Chaimaa Medjadji
Chaimaa Medjadji
PulseAugur coverage of Chaimaa Medjadji — every cluster mentioning Chaimaa Medjadji 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
最近 · 第 1/1 页 · 共 2 条
-
联邦学习框架优化模型选择和知识蒸馏
研究人员开发了 FedKDNAS，一个新颖的联邦学习框架，可优化异构客户端设备的模型选择和知识蒸馏。该方法允许每个客户端自主选择一个轻量级模型，以适应其特定的准确性和资源限制。然后，该框架使用混合目标进行训练，结合了监督学习和知识蒸馏，并且仅共享在公共参考集上的预测。评估表明，FedKDNAS 在非独立同分布（non-IID）条件下显著提高了准确性，降低了 CPU 使用率，并与现有基线相比大幅降低了通信开销。
-
新研究通过主动客户端选择和隐私分析推进联邦学习
研究人员正在探索改进联邦学习的新方法，这是一种在保护隐私的同时跨分布式数据源训练模型的技术。一种名为“明智且私密地选择”的方法，利用互信息和潜在联邦损失，在训练开始前主动选择其数据能最大化效用和公平性的客户端。另一项研究引入了一种轻量级几何信号，通过测量本地训练与全局模型功能行为的偏差来检测异常客户端。此外，新的理论工作为差分隐私联邦学习协议建立了通用下界，并分析了集中式和分布式联邦学习架构之间的权衡。