实体
FedSGA
FedSGA
PulseAugur coverage of FedSGA — every cluster mentioning FedSGA 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
-
新的 FedSGA 框架通过自适应拆分优化拆分联邦学习
研究人员开发了 FedSGA，一个新颖的拆分联邦学习 (SFL) 框架，旨在优化在具有不同数据分布和适应速度的客户端上的模型训练。与使用静态拆分的传统 SFL 方法不同，FedSGA 采用客户端特定的浅层充分性估计。该方法使用私有提示令牌来跟踪本地适应，并使用浅层充分性估计器，该估计器考虑语义对齐、接口稳定性和提示状态变化，以确定最浅的拆分是否足够。实验表明，与现有方法相比，FedSGA 提高了模型性能并减少了计算量。
-
新的联邦学习策略应对数据异质性和安全威胁 · 跟踪 5 个来源
研究人员正在开发新的联邦学习 (FL) 策略来应对数据异质性和安全威胁等挑战。FedImp 和 FedTVD 旨在通过根据数据质量和分布对客户端贡献进行加权来提高收敛速度和模型准确性。FedSGA 专注于优化异构环境中的模型拆分，而 STAR-FL 则引入了针对计算机视觉 FL 系统中数据投毒攻击的防御措施。这些进展共同提高了联邦学习的效率、鲁棒性和安全性。