auction-based federated learning | BriefGPT

关键词auction-based federated learning

搜索结果 - 6

面向代理的基于拍卖的联邦学习中数据拥有者的联合决策支持
基于拍卖的联邦学习（AFL）引起了广泛的研究兴趣，因其能通过经济手段激励数据所有者（DO）参与 FL。本文提出了一种面向 DO 的首个代理导向的联合定价、接受和分委托决策支持方法（PAS-AFL），通过考虑 DO 的当前声誉、待处理的 FL
PDF2 months ago
拍卖式联邦学习中的智能代理：一项综述
该论文提供了首次的智能代理人对拍卖联邦学习（IA-AFL）文献的综述，通过提出一个独特的多层次分类法，将 IA-AFL 的现有研究组织成为以利益相关者、采用的拍卖机制和代理人目标为基础的多角度视角，同时分析了现有方法的局限性、总结了常用的性
PDF2 months ago
基于前向拍卖的联邦学习多会话预算优化
基于层次强化学习的多会话向前拍卖联邦学习（MultiBOS-AFL）通过优化会话间预算节奏和会话内竞标，旨在最大化总效用，实验证明其明显优于七种最先进方法，平均而言，MultiBOS-AFL 比最佳基准线的效用高出 12.28％、在给定预算
PDF7 months ago
需要时雇佣：基于竞拍的渐进参与者招募的联合学习
我们提出了基于拍卖的渐进参与者选择方案来解决联邦学习中遇到的评价偏见和冷启动问题，并通过实验表明，与现有方法相比，GPS-AFL 可以降低成本约 33.65%，平均提高总效用 2.91%。
PDF9 months ago
买家竞价市场下的联邦学习激励机制
利用拍卖机制进行联邦学习中买方市场中的定价行为的建模，采用基于区块链的声誉机制选择高可靠性和数据质量的客户，验证方法的有效性。
PDF10 months ago
基于拍卖联邦学习中数据消费者的效用最大化竞标策略
许多现有的拍卖式联邦学习假设只有一个数据消费者和多个数据所有者参与，在实际的联邦学习市场中有多个数据消费者可以竞争吸引数据所有者加入任务中。本文提出了一种新型的拍卖式联邦学习数据消费者效用最大化竞标策略（Fed-Bidder），它通过提供适
PDFa year ago