BriefGPT.xyz
Ask
alpha
关键词
collaborative fairness
搜索结果 - 4
IJCAI
重新定义贡献:基于 Shapley 值的联邦学习
该研究提出了一种名为 ShapFed 的新型参与者贡献评估方法,利用合作博弈论中的 Shapley 值来对参与者的贡献进行精细化评估,并基于此提出了一种名为 ShapFed-WA 的加权聚合方法,尤其在类别不平衡的场景中表现优于传统的联邦平
→
PDF
a month ago
KDD
FedSAC:联邦学习中协同公平的动态子模型分配
FedSAC 是一种具有动态子模型分配的基于协作公平性的新型联邦学习框架,通过个体贡献来量身定制奖励,实现公平性,并采用子模型分配和动态聚合模块来提高整体模型准确性。
PDF
a month ago
ICML
声誉机制即所需:联邦学习中的协作公平和对抗鲁棒性
本文提出了一种新的稳健公平联邦学习(Robust and Fair Federated Learning,RFFL)框架,通过声誉机制实现协作公平和对抗鲁棒性,可在基准数据集上实现高公正性并对不同类型的对手非常鲁棒。
PDF
4 years ago
IJCAI
联邦学习中的协作公平性
研究分布式和联邦学习的合作公平性问题,提出了一种新的协作公平联邦学习框架,利用声誉来强制不同参与者收敛于不同模型,从而在不损害预测性能的情况下实现公平。
PDF
4 years ago
Prev
Next