实体
Yicheng Li
Yicheng Li
PulseAugur coverage of Yicheng Li — every cluster mentioning Yicheng Li across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
新框架增强联邦学习的隐私、鲁棒性和效率 · 跟踪4个来源
研究人员正在开发先进的联邦学习（FL）框架，以增强隐私、鲁棒性和效率。PRoVeFL利用多服务器上的多密钥全同态加密来防止推断和投毒攻击，显著提高了运行时间。另一种方法引入了一个自适应框架，通过使用局部降维和动态梯度裁剪来稳定训练并提高差分隐私下的模型性能，从而解决设备异构性和非独立同分布数据的问题。第三个系统FeLiX通过采用流感知可用性层和鲁棒聚合机制，专注于在真实场景中最小化达到准确率的挂钟时间，以应对客户端流失。最后，一个理论…
-
New analytic method characterizes kernel regression generalization error
研究人员开发了一种新的解析函数参数，用于严格表征核梯度下降和其他谱算法的泛化误差曲线。该方法在各种条件下，包括源条件、噪声水平和正则化参数，全面理解泛化误差。研究结果通过利用神经切线核理论的见解，显著改进了对宽神经网络泛化行为的理解。
-
新研究通过主动客户端选择和隐私分析推进联邦学习
研究人员正在探索改进联邦学习的新方法，这是一种在保护隐私的同时跨分布式数据源训练模型的技术。一种名为“明智且私密地选择”的方法，利用互信息和潜在联邦损失，在训练开始前主动选择其数据能最大化效用和公平性的客户端。另一项研究引入了一种轻量级几何信号，通过测量本地训练与全局模型功能行为的偏差来检测异常客户端。此外，新的理论工作为差分隐私联邦学习协议建立了通用下界，并分析了集中式和分布式联邦学习架构之间的权衡。