实体
FedSAP
FedSAP
PulseAugur coverage of FedSAP — every cluster mentioning FedSAP 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
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的联邦学习方法应对异构边缘设备 · 已追踪 2 个来源
两篇新的研究论文提出了用于异构边缘设备联邦学习的新方法。FedSAP 引入了结构化自适应分区，允许客户端根据资源预算和数据域将模型容量分配给全局、私有或丢弃池。HO-FL 提出了一种混合阶优化策略，对内存受限的底层使用零阶优化，对顶层使用一阶优化，以平衡性能和内存使用。这两种方法都旨在提高在具有不同硬件和数据分布的分布式学习环境中的模型准确性和效率。
-
联邦学习研究应对隐私、遗忘和异构性挑战
近期在联邦学习（FL）领域的研究解决了隐私和数据漂移的关键挑战。一篇论文介绍了 TADI 和 Fulcrum，通过最优地分配噪声来防御拓扑感知推理攻击，在不损失效用的情况下实现了隐私的提升。另一项研究提出了 FlashbackCL，这是对现有方法的一种扩展，通过使用衰减的标签计数和设备感知的回放缓冲区来缓解 FL 中的时间遗忘问题，与先前的工作相比取得了显著的改进。其他研究探索了如 pFedBayes、sFedBayes 和 cFed…