会员服务
联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。其中，联邦学习可使用的机器学习算法不局限于神经网络，还包括随机森林等重要算法。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。
QuantFL: Sustainable Federated Learning for Edge IoT via Pre-Trained Model Quantisation
QuantFL: Sustainable Federated Learning for Edge IoT via Pre-Trained Model Quantisation
Arxiv
0+阅读 · 3月18日
CurvFed: Curvature-Aligned Federated Learning for Fairness without Demographics
CurvFed: Curvature-Aligned Federated Learning for Fairness without Demographics
Arxiv
0+阅读 · 3月17日
Dynamic Meta-Layer Aggregation for Byzantine-Robust Federated Learning
Arxiv
0+阅读 · 3月17日
VFEFL: Privacy-Preserving Federated Learning against Malicious Clients via Verifiable Functional Encryption
Arxiv
0+阅读 · 3月17日
FederatedFactory: Generative One-Shot Learning for Extremely Non-IID Distributed Scenarios
Arxiv
0+阅读 · 3月17日
A Hierarchical Gradient Tracking Algorithm for Mitigating Subnet-Drift in Fog Learning Networks
Arxiv
0+阅读 · 3月16日
SFedHIFI: Fire Rate-Based Heterogeneous Information Fusion for Spiking Federated Learning
Arxiv
0+阅读 · 3月16日
Incentivize Contribution and Learn Parameters Too: Federated Learning with Strategic Data Owners
Arxiv
0+阅读 · 3月16日
FedPBS: Proximal-Balanced Scaling Federated Learning Model for Robust Personalized Training for Non-IID Data
Arxiv
0+阅读 · 3月14日
Privacy-Preserving Federated Fraud Detection in Payment Transactions with NVIDIA FLARE
Arxiv
0+阅读 · 3月13日
Tackling Privacy Heterogeneity in Differentially Private Federated Learning
Arxiv
0+阅读 · 2月26日
Clust-PSI-PFL: A Population Stability Index Approach for Clustered Non-IID Personalized Federated Learning
Arxiv
0+阅读 · 2月20日
Conformalized Neural Networks for Federated Uncertainty Quantification under Dual Heterogeneity
Arxiv
0+阅读 · 2月26日
VFEFL: Privacy-Preserving Federated Learning against Malicious Clients via Verifiable Functional Encryption
Arxiv
0+阅读 · 3月4日
Heterogeneity-Aware Client Selection Methodology For Efficient Federated Learning
Arxiv
0+阅读 · 2月24日
参考链接
微信扫码咨询专知VIP会员
Top