Zobrazeno 1 - 10
of 329
pro vyhledávání: '"Communication efficient"'
Publikováno v:
Statistical Theory and Related Fields, Vol 8, Iss 2, Pp 81-106 (2024)
Zero-inflated count outcomes are common in many studies, such as counting claim frequency in the insurance industry in which identifying and understanding excessive zeros are of interest. Moreover, with the progress of data collecting and storage tec
Externí odkaz:
https://doaj.org/article/3ea21830cc3f4c059992233187e151ca
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Shaohua Cao, Hanqing Zhang, Tian Wen, Hongwei Zhao, Quancheng Zheng, Weishan Zhang, Danyang Zheng
Publikováno v:
High-Confidence Computing, Vol 4, Iss 2, Pp 100179- (2024)
Since the data samples on client devices are usually non-independent and non-identically distributed (non-IID), this will challenge the convergence of federated learning (FL) and reduce communication efficiency. This paper proposes FedQMIX, a node se
Externí odkaz:
https://doaj.org/article/79eac48018b74539bb029fc2435beb88
Publikováno v:
Complex & Intelligent Systems, Vol 9, Iss 6, Pp 6999-7013 (2023)
Abstract Federated learning is an effective solution for edge training, but the limited bandwidth and insufficient computing resources of edge devices restrict its deployment. Different from existing methods that only consider communication efficienc
Externí odkaz:
https://doaj.org/article/072d9d1c6c4042f8b0b85f8f8243e905
Autor:
Mohammed Azmi Al-Betar, Ammar Kamal Abasi, Zaid Abdi Alkareem Alyasseri, Salam Fraihat, Raghad Falih Mohammed
Publikováno v:
Algorithms, Vol 17, Iss 4, p 160 (2024)
The pressing need for sustainable development solutions necessitates innovative data-driven tools. Machine learning (ML) offers significant potential, but faces challenges in centralized approaches, particularly concerning data privacy and resource c
Externí odkaz:
https://doaj.org/article/fed649943f8040438587db5bb16d5fca
Publikováno v:
Applied Sciences, Vol 14, Iss 7, p 2720 (2024)
Federated learning has emerged as a promising approach for collaborative model training across distributed devices. Federated learning faces challenges such as Non-Independent and Identically Distributed (non-IID) data and communication challenges. T
Externí odkaz:
https://doaj.org/article/70213a302b684f9da12576ed42830204
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.