实体
DeFed-GMM-DaDiL
DeFed-GMM-DaDiL
PulseAugur coverage of DeFed-GMM-DaDiL — every cluster mentioning DeFed-GMM-DaDiL across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新框架应对去中心化联邦域自适应挑战
两篇新的研究论文介绍了去中心化联邦域自适应的新颖框架，这是一种在不集中数据的情况下将知识从多个数据源转移到无标签目标域的技术。第一个框架 DeFed-GMM-DaDiL 使用高斯混合模型和 Wasserstein 重心来保持稳定的表示并重建缺失的类别。第二个框架 GALA 通过采用群组差异最小化和动态源优先级策略来解决联邦域自适应的可扩展性问题，在大型和高多样性基准测试中展示了最先进的性能。
-
新的去中心化框架支持私有域自适应
研究人员开发了 DeFed-GMM-DaDiL，一个用于域自适应的新型去中心化联邦框架。该方法能够在没有中央服务器的情况下，将知识从多个不同的源域迁移到一个无标签的目标域，从而保护客户端隐私。该框架在每个客户端使用高斯混合模型 (GMM)，并通过联邦学习联合逼近这些模型，使用共享的、可学习的 GMM 原子核的 Wasserstein 重心。实证研究表明，DeFed-GMM-DaDiL 能有效处理目标域中的缺失类别，并在自适应基准测试中…