关键词federated learning framework
搜索结果 - 5
- 基于 1-D 卷积神经网络的联合学习在线签名验证
提出了一个利用 1-D 卷积神经网络和联邦学习框架进行在线签名验证的新方法，实验结果证明了该框架在 1-D 卷积神经网络和联邦学习方面的有效性，具有最小化本地计算资源、通过丰富的初始化数据增强传递效果以及卓越的可伸缩性等特点。
- 连接车辆中的疲劳检测的联邦学习
通过观察视觉线索，驾驶员监控系统可以辅助确定驾驶员的状态。我们提出了一种基于联邦学习框架的嗜睡检测方法，在车辆网络中利用 YawDD 数据集，实现了 99.2% 的准确率，证明了其在与传统深度学习技术比较时的可行性和可比性。
- ICLR消除梯度反转攻击中的硬标签约束
本论文研究梯度反转攻击在联邦学习框架下从中间梯度中重建本地训练数据，提出了一种基于分析的算法来同时恢复单输入梯度中的真实增强标签和最后全连接层的输入特征，并证明了该算法对标签恢复的准确性以及对随后的图像重建的好处，强调了分类任务中软标签在梯 - 不完整多模态 MRI 重建的联合伪模态生成
在联邦多模态 MRI 重建中，我们提出了一种名为 Fed-PMG 的新型通信高效的联邦学习框架，以解决缺失模态的挑战，并通过伪模态生成机制和聚类方案降低通信成本。
- 手术聚合：用于协调具有不同任务的分布式数据集的联邦学习框架
通过手术聚合方法，将来自不同疾病标签的分布式数据集的知识聚合和协调成一个 ' 全局 ' 深度学习模型，该研究表明手术聚合具有开发临床有用的深度学习模型的潜力，是从实验室到床边迈进的一步。