实体
gossip learning
gossip learning
PulseAugur coverage of gossip learning — every cluster mentioning gossip learning across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 3
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
GRANITE 框架提升去中心化学习的抗拜占庭攻击能力
研究人员开发了 GRANITE，一个旨在提高去中心化学习系统安全性和效率的新框架。该框架专门解决了 Gossip 学习中的漏洞，在 Gossip 学习中，节点与其邻居通信并聚合模型。GRANITE 引入了检测和减轻拜占庭节点影响的机制，这些节点可以故意破坏数据和操纵网络连接。该系统根据估计的拜占庭活动动态调整聚合阈值，从而在保持高准确性的同时，即使在存在大量恶意节点的情况下也能实现更快的收敛和更低的通信成本。
-
HEAL框架融合了联邦学习、 Gossip学习和流行病学习
一种名为HEAL的新型去中心化学习框架已被推出，旨在结合联邦学习、Gossip学习和流行病学习的优势。HEAL利用优化的自组织和自愈P2P覆盖网络，并结合了Elevator算法来动态选择聚合器节点。这种方法在稳定环境中表现出与联邦学习相当的性能，同时提供完全的去中心化和容错能力，并在易发生崩溃和节点流失的环境中优于Gossip和流行病学习。
-
HEAL框架增强了去中心化AI学习
研究人员开发了HEAL，一种新颖的去中心化学习框架，旨在改进现有的联邦学习、 Gossip学习和流行病学习等方法。HEAL通过利用一个自组织和自愈的对等网络，结合了这些方法的优点。该框架旨在提高隐私性、可扩展性和容错性，在易发生节点故障和网络频繁变动的环境中，其表现优于其他去中心化方法。