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 학습에서의 양자화: 방법, 과제 및 향후 연구 방향
연합 엣지 네트워크를 위한 기하학적 공정성 인식 라우팅
통제 가능한 의료 AI 스킬 생태계를 위한 Clinical Harness
PrivacyBench: 하이브리드 프라이버시 보존 비전 시스템에서 프라이버시는 공짜가 아니다
FedReLa: 재레이블링을 통한 불균형 연합 학습
Adaptive Joint Compression and Synchronisation in Federated Split Learning for IoT Rainfall Prediction
Leaking Circuit Secrets: Gradient Leakage Attacks on Graph Neural Networks
TL++: Accuracy and Privacy Preserving Traversal Learning for Distributed Intelligent Systems
Color Matters: Trigger Color Affects Success in Federated Backdoor Attacks
Privacy-preserving federated tensor decomposition of single-cell immune data: recovering multicellular programs across institutions
Towards Federated Long-Tailed Graph Learning: An Energy-Guided Dual Decoupling Approach
Decentralised AI Training and Inference with BlockTrain
고차원 차등 프라이버시 분위수 회귀: 분산 추정 및 통계적 추론
무선 네트워크 제약 하에서의 도메인 적응: 언제 그린이 되는가?
사이버 복원력 IoMT를 위한 연합형 시간적 어텐션 지능: 경량 디지털 트윈과 PPO 기반 허니팟 기만
사이버 복원력 IoMT를 위한 디지털 트윈 기반 적응형 기만을 활용한 프라이버시 보존 연합 시간 그래프 학습
heavy-tailed 그래디언트 노이즈와 통신 노이즈 하의 연합 학습: 분산 감소 기반 알고리즘
Fed-CausalDiff: 연합 do-시뮬레이션 및 정책 평가를 위한 분리 동기화
글로벌 탄소 배출 예측을 위한 연합 학습: 통계 및 신경망 모델 기반 하이브리드 시계열 접근법
SCRUB-FL: 백도어 언러닝을 통한 표현 정화
저랭크 적응을 활용한 부분공간 제약 연합 학습
강건한 개인화 연합 학습을 향하여: 취약성 평가 및 방어 공동 설계
동적 분산 LoRA 미세조정을 위한 우선순위 인식 학습-언러닝 보정
투명한 정신 건강 인사이트를 향하여: 구조화 데이터를 활용한 대학생 진로 관련 우울증 및 불안에 대한 설명 가능 AI 모델
베이지안 혼합을 위한 변분 합의 몬테카를로
연합 이중 수준 수행적 예측
보정이 취약한 병원에 실패할 때: 위험 곡선 축소를 통한 연합 컨포멀 위험 제어
양자 링 올리듀스: 분산 학습을 위한 통신 및 프라이버시 이점
모달리티 불균형 연합 그래프 학습을 향하여: 데이터 합성 기반 접근법
GEN-Guard: 배포 가능한 연합 수술 AI의 일반화 실패 교정
TIGER: 임베딩-부분공간 거리 최적화를 통한 트랜스포머 그래디언트 반전
SCOPE-FL: 전략 불가능한 체인 기반 최적 파레토 효율 연합 학습 시스템
PSyGenTAB: 제약 최적화를 통한 합성 임상 테이블 데이터 생성을 위한 프라이버시 보호 프레임워크
FoMoE: MoE 연합을 통한 전체 복제 장벽 극복
Giskard: 대규모 분산 학습을 위한 비잔틴 견고 및 기밀 집계
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.