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.
이질적이고 불균형한 임상 데이터에서 사망 예측을 위한 연합 학습 전략 비교 벤치마크
강화학습을 사용하여 날씨 및 기후 모델의 조정 가능 매개변수를 상태 의존 함수로 대체
지능형 서비스를 위한 드리프트 안정 양자 연합 학습
O-RAN SLA 위험 예측을 위한 물리적 제약 연합 가법 모델
CoCo-Fed: 무선 엣지에서의 메모리 및 통신 효율적 연합학습을 위한 통합 프레임워크
동질적 사회적 연합 내 분산 감소 볼츠만 샘플링을 통한 연합 학습의 이질성 극복
한 라운드면 충분하다: 태스크 이질적 다중 레이블 의료 이미지 분류를 위한 해석적 연합 학습
연합 매개변수 효율적 미세조정을 위한 삼중 스펙트럴 제어
Vision Transformer 연합 LoRA에서 층별 전역 랭크 발견을 위한 스펙트럴 변환
데이터 이질성 하에서 프라이버시 보존 연합 프롬프트 튜닝을 향하여: 부분공간 분해 전문가 접근법
연합 학습에서 개발자 고충점 이해: Stack Overflow와 GitHub로부터의 통찰
MRI-CT 변환을 위한 적응형 인코더 동결 기반 에너지 효율적 연합 학습: Green AI 지향 연구
임의 클래스 중첩을 갖는 태스크 없는 스트리밍 연합 지속 학습을 위한 지식 인식 진화
방사선학 리포트 연합 학습에서의 프라이버시 유출: 토크나이저 기반 프라이버시 위험에 대한 비교 평가
Dysco: 연합 학습에서 LoRA 간섭을 완화하기 위한 동적 부분공간 부스팅
평활성 상수에는 무엇이 담겨 있는가? 유계 2차 이종성 하 Local SGD의 더 정밀한 수렴률
EdgeFaaS: 함수 기반 엣지 컴puting 프레임워크
파이프라인 순환 스케줄링을 적용한 연산 인식 에너지 하베스팅 연합 학습
Non-IID FedAvg에서 보존되었으나 정렬되지 않은 표현에 대한 기계론적 증거
연합 설명 가능 인공지능: 역할, 아키텍처, 평가 및 미해결 과제
무선 연합 학습에서 다운링크 모델 브로드캐스트를 위한 혼합 시간 척도 차분 코딩
개인화와 프라이버시의 균형을 맞춘 프라이버시 보존 추천 시스템
FM$^2$: 이질적 다중 모달 의료 영상을 위한 통합 연합 파운데이션 모델
간헐적 통신 하 분산 이질 학습에서 로컬 SGD의 한계와 잠재력
헬스케어 AI에서 규정 준수 가중 노이즈 할당을 통한 포용적 연합학습
PFAdapter: 개인화 연합 MLLM을 위한 계층적 LoRA 분해
연합 MLLM 미세조정을 위한 탄성 정규화 및 합성 리플레이 기반 지속 학습
마이크로그리드 에너지 조율 연합 강화학습을 위한 제약 인식 집계
FedMosaic: 파라메트릭 어댑터 기반 연합 검색-증강 생성
FedCausal-Dyn: 동적 특징 드리프트 하의 연합학습을 위한 인과-동적 패러다임
AI 네이티브 6G를 위한 JEPA: 예측적 표현과 미해결 과제
Enhanced Byzantine-Robust Federated Learning Via Truncated-Quadratic Loss for Heterogeneous Data
프라이버시를 고려한 협력적 분산 베이지안 최적화
전자 건강 기록의 멀티모달 분석을 위한 대조 학습
데이터에 차등 프라이버시 적용하기: 차등 프라이버시를 활용한 합성 데이터 생성 실용 가이드
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.