fl algorithms | BriefGPT - AI 论文速递

关键词fl algorithms

搜索结果 - 12

整体评估指标：用于联邦学习的案例敏感评估指标
综合评估指标（HEM index）通过集成多个度量组件和各自的重要向量来全面评估和确定最适合特定场景的联邦学习算法。
PDF2 months ago
关于数据异构性对联邦学习环境的影响及其在医疗网络中的应用
本研究探索了医疗数据领域中联邦学习的数学形式化和异质性分类，重点检验了最流行的联邦学习算法在处理基于数量、特征和标签分布的异质性方面的能力，并基于这些挑战对七种常见的联邦学习算法进行了性能评估。研究目标是通过一组由不同的联邦医院数据集收集的
PDF2 months ago
分布式学习算法性能评估研究
分布式学习是一种实际的方法，用于从分散的数据中训练模型。分布式学习算法（如 FedAvg、FedProx、FedYogi、FedAdam、SCAFFOLD 和 FedDyn）的综合性能评估揭示了单一算法在不同性能指标上表现并不最佳，同时也存
PDF3 months ago
加速半异步联邦学习
传统的联邦学习方法由于数据上传同步方式导致速度慢且不可靠，本论文提出了一种考虑不同更新贡献、适应数据延迟与异质性的异步联邦学习方法，有效提升了收敛速度。
PDF5 months ago
FedDRO: 面向分布鲁棒学习的联邦组合优化
提出了一种在联邦学习场景中高效解决非凸复合优化问题的 FedAvg 型算法，利用分布鲁棒优化问题结构设计通信策略来控制估计的复合梯度中的偏差，实现了样本复杂度为 O (ε^-2) 和通信复杂度为 O (ε^-3/2) 的线性加速，并通过对大
PDF7 months ago
基于分散且未共享的档案的遥感影像分类的联邦学习
该研究首次在遥感领域对当前最先进的联邦学习算法进行了比较研究，通过系统回顾计算机视觉社区中面向图像分类问题的联邦学习算法，并基于其与客户端之间训练数据异构性的有效性进行选择，对所选算法进行理论比较，并在多样化的分散化情境下通过实验分析其在多
PDF8 months ago
通过一般化界限估计对联邦学习进行聚合加权
使用一种新的策略替代先前的加权方法，该策略考虑了每个本地模型的泛化界限，实验证明该方法显著改善了基准数据集上几种代表性的 FL 算法的性能。
PDF8 months ago
FLAGS 框架用于联邦学习算法的比较分析
该论文通过多个操作条件的综合交叉评估来分析主要的联邦学习算法，重点关注泛在的分散结构和中央汇聚方法，并研究了多种聚合策略的效果。研究表明，完全分散的联邦学习算法在多个操作条件下实现了可比较的准确性，且具有更高的本地更新速率和更好的噪声环境操
PDF2 years ago
AAAI量化标签噪声对联邦学习的影响
本文针对联邦学习中数据标签噪声的影响，在 MNIST 和 CIFAR-10 数据集上进行了实验和理论分析，发现标签噪声会导致全局模型的准确度线性下降、训练收敛速度变慢且容易过拟合。
PDF2 years ago
医疗领域联邦学习的实用性探讨
本文提出了以三个真实的数据集为基础的 FL 算法实验基准及考虑性能和成本的经济模型，同时还引入了一个结合了 FedProx 和 FedBN 的 FL 方法 FedPxN，其在性能方面优于其他 FL 算法，并只消耗比最省电的方法略高一些的功耗
PDF2 years ago
本地训练中减轻遗忘的联邦学习加速
本文提出了 FedReg 算法来解决分布式学习中的灾难性遗忘问题，通过在本地训练阶段使用生成的伪数据作为正则化器，以保护用户隐私并提高算法的收敛速度。
PDF2 years ago
Fed-ensemble：在联邦学习中通过模型集成来提高泛化能力
本文提出 Fed-ensemble: 一种将模型集成应用于联邦学习的简单方法，其通过随机排列更新一组 K 个模型，然后通过模型平均获得预测结果，证明了在神经切线核环境下新数据的预测来自所有 K 个模型的相同预测后验分布，并通过实验证明其在联
PDF3 years ago