Papers with Code 아카이브
Federated Learning
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 5
- 평가표
- 12
- 보존된 평가 기록
- 61
Federated Learning is a machine learning approach that allows multiple devices or entities to collaboratively train a shared model without exchanging their data with each other. Instead of sending data to a central server for training, the model is trained locally on each device, and only the model updates are sent to the central server, where they are aggregated to improve the shared model.
This approach allows for privacy-preserving machine learning, as each device keeps its data locally and only shares the information needed to improve the model.
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
연합 에이전트 최적화
모바일 네트워크 기반 LLM 연합학습: RAN 트랜스포트에서의 문제점과 해결 방안
FedLore: 공유 그래디언트 저랭크 프로젝션을 통한 통신 및 메모리 효율적인 연합학습
vFedProtoQNAS: 가상 연합 학습을 위한 프로토타입 기반 개인화 양자 신경망 아키텍처 탐색
FedMAD: 원격 탐사(Remote Sensing) 이미지 분류를 위한 연합학습(Federated Learning)에서의 변조 인지 방향성 집계
FedCKA: 다양한 주행 도메인 전반의 연합 3D 인지를 위한 표현 유도 층 개인화
도메인 수준 적응을 넘어서: 개인화된 연합 비전-언어 모델을 위한 마진 지향적 의미-외형 상호작용 보정
FedIncome: 데이터 주권 제약 하의 디지털 대출 소득 추정을 위한 연합학습
ZO-COSMO: 분산 제로차 최적화를 위한 인덱스 없는 원홉(one-hop) 혼합
IoT 보안을 위한 신뢰할 수 있는 연합 TinyML 배포
노이즈 감소와 바이어스 보정을 통한 프라이빗 분산 최적화
백도어는 구조적 흔적을 남긴다: 연합 학습에서 백도어 탐지 및 억제를 위한 FedMAST
적응이 해가 될 때: 연합 학습 웨어러블 온보딩에서의 분할 민감성과 개인 수준 부정적 전이
Fed-ReMasker: 특징 수준 결측 하의 연합 표 형식 대치
클라이언트가 조율될 때: 연합 학습 서버를 격파하는 전략적 그래디언트 조작과 효율적 방어
적대적으로 견고한 연합 회귀의 그래디언트 이질성 역학
프롬프트 기반 특징 변환을 통한 연합 학습의 특징-분류기 불일치 해결
인센티브와 절단 층 선택이 분할 연합 학습에서 데이터 기여에 어떻게 영향을 미치는가
범용 협력 지능: 회복력 있는 다중 에이전트 생태계를 위한 인지 아키텍처
FedMust: 다중 장기 CT 분할을 위한 준지도 멀티태스크 학생-교사 연합 학습
영향 지향 개인화 연합 학습
경량 연합 학습을 위한 정보 이론적 보안 집계: 드롭아웃 및 적대자에 강건
실세계 의료 응용에서 협력 AI의 비용 효율성에 대한 경고적 사례
SpecGradFilter: 연합 학습의 이질성을 제어하기 위한 스펙트럴 그래디언트 필터링 프레임워크
트랜스포머 기반 연합 적대적 학습
CollaFuse: 협업 확산 모델
프라이버시와 유용성의 균형을 맞추기 위한 이론적으로 입증된 연합학습
연합 학습에서 일반화 향상을 위한 차별화된 집계
연합 및 차분 프라이버시 환경에서의 KL 발산 추정
다중 장기 이미지에 대한 연합학습 벤치마크 평가
QFedPolyp: 통신 및 추론 효율적인 용종 분할을 위한 연합 학습 프레임워크
OrchNAS: 개인화 연합 엣지 지능을 위한 오케스트레이션 신경 아키텍처 탐색(NAS) 서비스
연합 학습에서의 다중 에이전트 프라이버시 게임: 통합 평균장 관점
요청이 요구하는 이상은 공유하지 않음: 관점 인식 AI를 위한 연합 공개
Carpe Diem: 연합 학습을 위한 중요 학습 기간 인식 계약 기반 인센티브
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.