实体
FedA2L
FedA2L
PulseAugur coverage of FedA2L — every cluster mentioning FedA2L 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
-
FedA2L方法通过自适应层级速率加速去中心化联邦学习
研究人员开发了FedA2L，一种通过动态调整层级学习率来改进去中心化联邦学习（DFL）的新颖方法。该方法解决了在异构数据环境中，基础层和专业层具有冲突的优化需求，导致统一学习率效率低下的问题。FedA2L无需额外的通信即可无缝集成到现有的DFL协议中，从而显著加快收敛速度并减少通信轮次。其适应性使其成为资源受限环境（如边缘和物联网）中分布式学习的宝贵工具。
-
新研究探索先进的联邦学习技术 · 跟踪10个来源
2026年8月在arXiv上发表的多篇研究论文介绍了增强联邦学习（FL）和去中心化FL的新方法。这些方法解决了多模态FL中的模态缺失（Flux）、非凸复合优化（DEPOSITUM）、对抗隐形攻击者的鲁棒声誉机制（R2CFL）、用于收敛的自适应层级学习率（FedA2L）、平衡数据质量和数量（FedTVD）、非IID数据的基于损失的加权（FedLBW）、绕过聚合防御（Krum-Proxy攻击）、子模型FL中的容量分配（HAS-FL）、基于…