实体
LG-FedAvg
LG-FedAvg
PulseAugur coverage of LG-FedAvg — every cluster mentioning LG-FedAvg 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
-
新方法推动个性化联邦学习和联邦遗忘
研究人员开发了几种新方法来增强个性化联邦学习（PFL），这是一种允许AI模型从分布式数据中学习同时保持客户端特定适应性的技术。例如，CLoVE使用客户端损失向量嵌入来识别和分离客户端集群，优化特定于集群的模型。pFedUL通过区分共享层和个性化模型层的策略来解决PFL中的联邦遗忘问题，以遵守GDPR等隐私法规。此外，DC-CFL通过分析数据协作提供了一种单轮集群联邦学习方法，而FedSPC则引入了一种共享参数校正方法来提高PFL模型的一致性。
-
FedRE框架通过表示纠缠解决联邦学习的困境
中国信息通信研究院（CAICT）和清华大学的研究人员推出了一种新颖的联邦学习框架 FedRE，该框架解决了在模型性能、数据隐私和通信成本之间取得平衡的长期挑战。FedRE 利用一种称为“表示纠缠”的技术，将不同类别的本地数据表示融合到一个单一的纠缠表示中，然后上传到服务器。这种方法通过使单个数据点更难重建来增强隐私，并且由于客户端每轮只需要发送一个纠缠表示，从而降低了通信开销。实验表明，与现有方法相比，FedRE 在模型异构联邦学习场…