Zobrazeno 1 - 10
of 22
pro vyhledávání: '"Guo, Shunxin"'
Federated learning is an efficient framework designed to facilitate collaborative model training across multiple distributed devices while preserving user data privacy. A significant challenge of federated learning is data-level heterogeneity, i.e.,
Externí odkaz:
http://arxiv.org/abs/2408.07966
Federated learning shows promise as a privacy-preserving collaborative learning technique. Existing heterogeneous federated learning mainly focuses on skewing the label distribution across clients. However, most approaches suffer from catastrophic fo
Externí odkaz:
http://arxiv.org/abs/2312.09881
Publikováno v:
In Pattern Recognition September 2024 153
Publikováno v:
In Information Sciences December 2021 581:536-552
Publikováno v:
In Information Sciences August 2021 568:448-462
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Autor:
Guo, Shunxin, Zhao, Hong
Publikováno v:
Artificial Intelligence Review; Mar2021, Vol. 54 Issue 3, p2067-2089, 23p
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Publikováno v:
Chemistry & Biodiversity; Apr2008, Vol. 5 Issue 4, p598-605, 8p
Publikováno v:
ChemInform; Aug2008, Vol. 39 Issue 34, pno-no, 1p