collaborative learning | BriefGPT

关键词collaborative learning

搜索结果 - 91

自我蒸馏提高 DNA 序列推断
我们提出了一种创新的深度神经网络模型，通过 `学生 ' 和` 教师 ' 子网络之间的协同学习，结合了掩蔽学习和对比学习，从而在个体序列的语境信息和序列总体分布数据之间有效融合，该方法显著提升了大多数推理任务的性能。
PDF2 months ago
具约束异构的联邦强化学习
我们研究了具有约束异构性的联邦强化学习（FedRL）问题，通过多个智能体在不同环境下协同学习，解决具有多个约束的强化学习问题，并提出了基于传统策略梯度方法的联邦原始 - 对偶策略优化方法，其中我们关注的两种算法为 FedNPG 和 FedP
PDF2 months ago
一种用于联邦学习的逐元素权重聚合方法
该研究介绍了一种基于元素权重聚合的联邦学习方法（EWWA-FL），旨在优化学习性能和加速收敛速度。通过将本地权重聚合到全局模型的个别元素级别，该方法允许每个参与的客户端对学习过程进行元素级贡献，从而提高了全局模型对不同数据集的鲁棒性以及实现
PDF2 months ago
CVPR协作学习的隐私异常检测 (CLAP)：一种新的无监督视频异常检测基准
该研究提出了一种全新的基线异常检测方法，能够在复杂的监控视频中以完全无监督的方式定位异常事件，且在隐私保护的参与者分布式训练配置下进行。此外，还提出了三种新的评估协议，对各种协作和数据可用性场景下的异常检测方法进行基准测试，并在两个大规模数
PDF3 months ago
分布式协作异常声音检测通过嵌入共享
开发了一种机器声音监测系统，提出了一种检测异常声音的方法，探索了多个客户端在保持彼此原始数据私密的同时协同学习异常声音检测模型的方法。
PDF3 months ago
GTC：GNN-Transformer 自监督异构图表示的共同对比学习
提出了一种结合 GNN 和 Transformer 的新框架，利用 GNN 的局部信息汇聚和 Transformer 的全局信息建模能力解决过度平滑问题，构建了 GTC 体系结构，通过对跨视图信息进行自我监督的对比学习任务实现异构图形表示学
PDF3 months ago
PeerGPT: 基于 LLM 的同伴代理人在儿童协作学习中的团队主持和参与角色探索
通过主题分析，我们发现在儿童合作学习中，同伴对话对提高儿童合作交流的质量具有显著影响。将大型语言模型（LLM）代理引入这一场景，探索其作为同伴的新角色，并评估其作为团队主持人和参与者的影响。我们邀请两组参与者参加合作学习研讨会，在其中讨论并
PDF3 months ago
Pencil: 私密且可扩展的协作学习，无需无合谋假设
Pencil 是第一种为协作学习提供数据隐私、模型隐私和可扩展性的私有训练框架，无需依赖于非勾结假设。
PDF3 months ago
基于 RIS 的城市空中交通分布式学习拓扑控制
本文通过利用可重构智能表面（RIS）的拓扑属性来促进学习性能并获得收敛保证，探索了分布式学习的相关问题，并提出了用于优化传输延迟和收敛速度的几个联邦学习拓扑准则。同时，本文还开发了基于深度确定性策略梯度的 RIS 相移控制算法，以同时构建或
PDF4 months ago
与协作学习一起利用多样的建模背景进行神经机器翻译
本研究提出了一种新颖的通用协作学习方法 DCMCL，在这种方法中，自回归模型（AR）和非自回归模型（NAR）被视为协作者，通过令牌级相互学习和序列级对比学习，在两种模型之间层次化地利用双向语境信息。广泛的实验结果表明，所提出的 DCMCL
PDF4 months ago
用于估计异质治疗效果的联邦学习
使用机器学习方法估计异质治疗效应（HTE）可以在各个领域（如医疗保健、政策制定、教育等）中实现大规模个性化决策。本文提出了一种通过联邦学习在机构之间进行协作学习 HTE 估计器的新框架，实现了在各个机构之间同时学习共同特征表示和不同干预措施
PDF4 months ago
通过联邦学习增强隐私保护的协同信息共享 -- 以保险业为例
通过利用联邦学习来跨多个保险业数据集学习单个模型，而无需将数据集从一家公司共享到另一家公司，该报告展示了在改进索赔损失建模方面的益处。联邦学习的应用解决了有限数据量和数据多样性这两个最迫切问题，这些问题由于隐私问题、索赔事件的罕见性、缺乏信
PDF4 months ago
分布式学习中的隐私攻击
分布式梯度下降 (D-GD) 允许一组用户在网络图中通过迭代平均本地模型更新与其相邻节点进行协同学习，而无需共享数据。我们提出了针对 D-GD 的第一个攻击，并演示了用户（或一组用户）如何通过回声平均协议的重构攻击来重建其他用户的私有数据，
PDF5 months ago
重审梯度修剪：一种用于抵御梯度攻击的双重实现
协作学习是一种分布式学习框架，旨在通过共享梯度更新，保护用户隐私。然而，梯度反演攻击对协作学习构成严重的隐私威胁。现有的防御方法在隐私、效用和效率之间存在着很大的折衷。为了克服现有解决方案的缺点，我们提出了一种新的防御方法，双梯度修剪（DG
PDF5 months ago
透明学习分析在面对面合作学习中自动检测参与度，用于个别支持的应用
使用透明化方法自动检测学生在协作过程中的个体参与度，该方法可反映学生的个体参与度，用作区分具有不同协作学习挑战（认知、行为和情感）和学习结果的学生的指标，并讨论了该合作分析方法在面对面环境中辅助协作学习实践的潜力和未来研究建议。
PDF6 months ago
分布式欺诈预防系统中的局部差分隐私嵌入模型
全球金融犯罪活动推动了欺诈预防中对机器学习解决方案的需求。然而，由于对意外泄露和对抗性攻击的担忧，预防系统通常被独立地提供给金融机构，并且几乎没有数据共享的规定。我们在本文中提出了一个从隐私角度设计、在最近的 PETs 奖励竞赛中获奖的合作
PDF6 months ago
人工智能说话者的协作学习（CLAIS）：对原型的学前小学科学教师响应
该研究旨在证明人工智能不仅可以作为学习工具，还可以作为智能代理与人类进行协作学习，从而改变科学课堂中的认识实践。研究通过开发一种名为 CLAIS 的有形教学系统，设计了人类和 AI 作为同伴参与协作学习过程的小组，实现了与 NUGU AI
PDF6 months ago
MatchDet：图像匹配与目标检测的协同框架
本文提出了一种名为 MatchDet 的协作框架，用于图像匹配和物体检测，通过三个新颖模块实现两个任务的协作学习，包括权重空间注意力模块（WSAM）用于检测器，加权注意力模块（WAM）和框过滤器用于匹配器。实验证明我们的方法在新的基准数据集
PDF6 months ago
CommunityAI：面向基于社区的联邦学习
我们提出了一种名为 CommunityAI 的用于基于社区的联邦学习的新框架，通过共享兴趣、专业知识或数据特征来组织参与者，并在各自的群组中维护数据和参与者的隐私，从而使参与者能够共同贡献于训练和完善学习模型的过程中。
PDF7 months ago
FedAL: 由对抗学习启发的黑盒联邦知识蒸馏
本文提出了一种名为 FedAL 的基于对抗学习的联邦知识蒸馏方法，以解决不同客户端的数据异构性问题，通过使用服务器作为鉴别器指导客户端的本地模型训练，实现客户端之间的共识模型输出，并通过较少遗忘的正则化方法保证客户端之间的知识传递和学习能力
PDF7 months ago