PulseAugur
中
实时 07:05:46
实体 Federated Multi-level Additive Modeling

Federated Multi-level Additive Modeling

PulseAugur coverage of Federated Multi-level Additive Modeling — every cluster mentioning Federated Multi-level Additive Modeling across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
1
90 天内 1
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 1
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 1 条
  1. TOOL · CL_117935 ·

    新型联邦学习模型适应复杂非独立同分布数据

    研究人员推出了一种新颖的联邦学习方法——联邦多层加性建模（FeMAM），该方法旨在处理复杂的多层非独立同分布（non-IID）数据结构。该方法学习共享知识的多个粒度——全局、子组和客户端特定——通过加性组合实现个性化预测。FeMAM通过在训练过程中动态地增长和修剪模型来进行适应，通过一次只训练一部分模型来提高效率。实验表明，FeMAM在近似各种非独立同分布场景方面优于现有的聚类和个性化联邦学习方法。