split federated learning | BriefGPT

关键词split federated learning

搜索结果 - 15

CVPR优化分割点的容错分割联邦学习
研究调查了 SplitFed 在模型分割点的数据丢失健壮性，通过分析在不同点（浅分割或深分割）处分割模型对最终全局模型性能的影响，探讨了 SplitFed 的各种参数聚合策略。在人类胚胎图像分割任务上进行的实验表明，深分割点具有显著优势。
PDFa month ago
SCALA：使用连接激活和逻辑调整进行分割联合学习
提出了一种名为 SCALA 的分布式机器学习框架，通过在服务器和客户端之间分离学习过程，并聚合基于分布式客户端数据更新的局部模型来共同训练共享模型。该框架解决了数据异质性和部分客户端参与导致的标签分布倾斜问题，并通过将客户端模型的激活连接起
PDF2 months ago
基于知识重播的分割式联邦学习应对灾难性遗忘
提出了一种名为 KoReA-SFL 的新型 Split Federated Learning 方法，通过多模型聚合机制减轻因异构数据引起的梯度发散，并采用知识重放策略解决灾难性遗忘问题。KoReA-SFL 在云服务器中维护多个分支模型部分，
PDF2 months ago
适应性资源受限边缘网络中的自适应拆分联邦学习
通过模型分割和客户端模型聚合，我们提出了一种适应资源受限边缘计算系统的新型资源自适应分割联邦学习（AdaptSFL）框架，以加速分割联邦学习并实现更好的训练性能。
PDF3 months ago
ESFL：高效的资源受限异构无线设备下的分割式联邦学习
我们提出了一种高效的分布式联合学习算法（ESFL），通过在服务器和终端设备之间将模型分割为不同的子模型，综合考虑用户异构性，同时优化用户端工作量和服务器端计算资源分配，以充分利用中央服务器的强大计算能力。与标准的联合学习、分割学习和分割联合
PDF4 months ago
异构数据下分裂联邦学习的收敛分析
对于高度异构的数据，在并行联邦式 DE in the literature, and this paper aims to fill this gap. The analysis of SFL can be more challenging
PDF4 months ago
MMHierSFL：移动边缘计算中的局部差分隐私辅助分割联邦学习
使用分层分割联邦学习算法，结合边缘和云端阶段的模型聚合来降低计算和通信开销，实现提高隐私保护并优化移动边缘计算中的内容传递速度和移动服务质量。
PDF6 months ago
MISA：揭示分割联邦学习的漏洞
提出了一种名为 MISA 的新型中毒攻击，通过污染顶部和底部模型导致全局模型失调，最终导致显著的准确率下降。该攻击揭示了 Split Federated Learning 的漏洞，挑战了其对中毒攻击的鲁棒性的传统观念。广泛的实验证明了 MI
PDF6 months ago
高效准确的分割联邦学习
由于资源约束场景的优势，分割联邦学习（SFL）在 AIoT 系统中具有潜力。为了解决数据异构性和滞后问题，本文提出了一种名为滑动分割联邦学习（S^2FL）的新型 SFL 方法，该方法采用自适应滑动模型拆分策略和基于数据平衡的训练机制。实验结
PDF7 months ago
MergeSFL: 特征合并和批次大小调控的分割联邦学习
提出了一种新的 SFL 框架 ——MergeSFL，通过结合特征合并和批量大小调节来解决统计异质性和系统异质性带来的挑战，从而提高 SFL 的性能。在 80 个 NVIDIA Jetson 边缘设备上进行了广泛实验，实验结果显示，与基准结果
PDF7 months ago
探索分离联邦学习的隐私 - 能源消耗平衡
通过综合分析能耗和隐私影响，提供选择切割层的策略并应用于 6G 技术中，为分离式联邦学习（SFL）过程提供全面概述和发展方向。
PDF8 months ago
高效异构联邦学习：一种基于匹配和分割学习的方法
提出了一种新颖的拆分联邦学习（SFL）框架，它通过将具有不同计算资源的客户端配对，将神经网络模型逻辑分为两部分，每个客户端只计算分配给它的部分，从而显著提高了联邦学习的训练速度，并在独立相同分布（IID）和非 IID 数据分布中实现了高性能
PDF10 months ago
有效的半监督异构参与者联邦学习
在资源受限环境中，通过介绍聚类正则化和全局更新频率适应的控制算法，我们提出了一种新的训练模型系统，用于解决联合学习中的数据非独立同分布和模型收敛性问题，该系统在减少训练时间和通信成本的同时提高了准确性。
PDFa year ago
SplitFed 对数据包丢失的韧性：分割的位置在哪里，这是个问题
分析了分布式机器学习中的深度分裂学习及其对通信链路中数据丢失的鲁棒性，验证了不同分裂点对最终模型准确性的统计显著差异，为分布式机器学习的发展提供了重要洞察。
PDFa year ago
CVPRResSFL：面向拆分联邦学习中模型倒置攻击的抵抗传递框架
本文提出了 ResSFL，一个抵抗 Model Inversion 攻击的 Split Federated Learning 框架。使用攻击感知的训练方法推导出抵抗特征提取器，并在标准的 SFL 训练之前初始化客户端模型。实验表明，在 CI
PDF2 years ago