aggregation algorithm | BriefGPT

关键词aggregation algorithm

搜索结果 - 7

FedQV：在联邦学习中利用二次投票
提出了 FedQV，这是一个基于二次投票方案的新聚合算法，以解决联邦学习中的投毒攻击问题，并可以与拜占庭 - 鲁棒的隐私保护机制相结合，增强其对投毒和隐私攻击的鲁棒性。
PDF6 months ago
基于核的非参数回归的最小化最优迁移学习
通过研究转移学习在非参数回归问题上的应用，本文提出了两种解决方案：已知转移源时使用基于核岭回归的两步核估计器，未知转移源时使用基于高效集成算法的新方法，该方法可以自动检测并减轻负面源的影响，并通过大量的数值实验证实了理论结果并展示了提出的方
PDF8 months ago
通过多维个性化边缘模型实现更公平和有效的联邦学习
本文提出了一种个性化的联邦学习（CFL）系统，通过特殊设计的全局模型为每个客户定制个性化模型，采用在线训练的模型搜索辅助器和新型聚合算法，解决 FL 在多个维度上的异质性问题。实验证明，CFL 在 FL 训练和边缘推断方面具有全栈优势，并显
PDFa year ago
无损失无一致：在同行评审中的学习与社会选择
研究对同行评审系统的评估方法进行了分析，通过实证风险最小化的方法，提出基于 L (p,q) 损失函数的聚合映射机制，解决了评估者对不同评估标准的不同权重问题，并探究了该方法中策略防御的问题以及提出了一种连续算法模型。
PDF2 years ago
EMNLPDim-Krum：基于 Krum 的分维聚合的 NLP 后门抵抗联邦学习
本文提出了一种针对 NLP 领域中后门攻击的新型联邦聚合算法 Dim-Krum，并通过实验验证了它的有效性。
PDF2 years ago
ICLRFedBE：将贝叶斯模型集成应用于联合学习
本文提出一种名为 FedBE 的基于贝叶斯推理的聚合算法，将局部模型聚合成全局模型，使得在非独立同分布数据和深度神经网络方面具有更强的表现，而该方法与最近关于正则化用户模型训练的研究兼容，可以轻松应用于联邦学习算法的 Aggregation
PDF4 years ago
基于残差重新加权的抗攻击联邦学习
本研究提出了一种新的带有基于残留的重新加权的聚合算法，旨在解决联邦学习中受到攻击后可能会导致全局模型异常的问题，经过实验验证，该算法在标签翻转和后门攻击的情况下表现出了优异的效果，并且提供了理论分析。
PDF5 years ago