热点事件持续更新

联邦学习激励机制论文更新至v5

1 篇报道1 个报道来源6 小时前更新

先了解这件事

AI 综述

一篇联邦学习激励机制论文更新至第5版，提出 UPBReD 与 2P-UPBReD 两种机制，在训练模型的同时激励客户端贡献数据。作者为 Drashthi Doshi、Avishek Ghosh 和 Swaprava Nath。论文称，2P-UPBReD 通过预算平衡转移使全额贡献成为客户端的占优策略，训练收敛至最优模型。在 CIFAR-10、FEMNIST 和 Twitter 数据集上，该机制的福利与使用全部数据训练的 FedAvg 相当。

AI 根据报道生成 · 2 小时前更新

最新进展10月15日 12:00

激励数据贡献同时学习模型：面向策略性数据所有者的联邦学习机制

报道时间线

沿着报道，了解事件的不同侧面。

10月15日

12:00
arXiv cs.LG
激励数据贡献同时学习模型：面向策略性数据所有者的联邦学习机制
研究提出 UPBReD 与 2P-UPBReD 两种联邦学习机制，在训练模型的同时激励客户端贡献数据。2P-UPBReD 通过预算平衡转移使全额贡献成为占优策略，训练收敛至最优模型。在 CIFAR-10、FEMNIST 和 Twitter 上，2P-UPBReD 的福利与使用全部数据训练的 FedAvg 相当。

本事件热度走势

还没有足够的连续观测数据，暂不绘制趋势。