#Federated

32 статьи
arXiv Machine Learning
arXiv Machine Learning

Не все сохраненные клиенты равны: отбор клиентов для неучебного обучения

arXiv: 261 0311786v 1 Annualte Type: New Humber: Federated Untening (FU) имеет целью устранить влияние назначенного клиента из квалифицированной модели без непомерно высоких затрат на переподготовку с...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

ДРОД: заказ на двухкратный отказ от обучения на гетерогенных устройствах

arXiv: 261.20.25220v1 Annualce Type: New Humber: Federated Study for problect-heterogenous клиенты и федеративное непрерывное обучение хорошо изучаются самостоятельно, но их перекрестки -- клиенты с р...

arXiv Machine Learning
2
Читать
arXiv NLP
arXiv NLP

Федеративные байты: модели для эффективного смешанного обучения на малых языках без токенизатора

arXiv: 2610.22906v1 Annualce Type: New Humber: Federated Learning (FL) — мощная система машинного обучения, которая позволяет создавать глобальную модель на основе вклада многочисленных распределенных...

arXiv NLP
4
Читать
arXiv AI
arXiv AI

ПФЕДМА: Кто должен присоединиться к вам в качестве федеративных многоагентских эволов?

arXiv: 261 0194558v1 Annualce Type: New Humber: Federated Multi-Agent Systems (FedMAS) предлагает перспективную парадигму совместного анализа агентами, базирующимися на LLD, при сохранении децентрализ...

arXiv AI
3
Читать
arXiv Machine Learning
arXiv Machine Learning

Личное официрование прямого преференция через адаптационную систему LORA

arXiv: 261.10.12885v1 Annualce Type: новый резюме: Federated Preference Optimization (FedDPO) позволяет сохранить конфиденциальность языковых моделей в рамках распределенных агентов без централизации ...

arXiv Machine Learning
5
Читать
arXiv Machine Learning
arXiv Machine Learning

Эффективное обучение в условиях гарантированной безопасности посредством распространения информации и теоретическо защищенных ключей: медицинское исследование

arXiv: 2610,06420v1 Annuaire Type: New Humber: Federated Learning (FL) позволяет осуществлять совместное обучение моделей в различных учреждениях без централизации чувствительных данных, что делает их...

arXiv Machine Learning
2
Читать
arXiv Machine Learning
arXiv Machine Learning

Отбор данных о клиентах и профессиональной подготовке для расчетно-эффективного синхронизированного федерального обучения

arXiv:2609.39250v1 Annualce Type: New Humber: Federated Learning (FL) является перспективной парадигмой машинного обучения, которая сохраняет конфиденциальность пользователей благодаря возможности учи...

arXiv Machine Learning
1
Читать
arXiv Machine Learning
arXiv Machine Learning

ГО-ФЛ: обучение гибридноуровневому верхнему отрубу

arXiv: 2609.39074v1 Annuation Type: New Humber: Federated Learning (FL) on Constredented kroundsites перед дилеммой: оптимизация первого порядка (FO) требует существенной памяти, в то время как оптима...

arXiv Machine Learning
5
Читать
arXiv Computer Vision
arXiv Computer Vision

Обеспечение возможности для продолжения обучения на основе принципа постоянного обучения в рамках ПФСИ: многоцелевое исследование

arXiv:2609.36001v1 Annualce Type: cross recrabt: Federated Learning (FL) в области здравоохранения по-прежнему является сложной задачей, поскольку накладные расходы, связанные с восстановлением гарант...

arXiv Computer Vision
2
Читать
arXiv Statistics
arXiv Statistics

Личное обучение на федеративном уровне для рифманского и эвклидного ЭЭГ декода

arXiv: 2609.29037v1 Annualte Type: New Extravision: Federated Learning (FL) позволяет декодировщикам ЭЕГ учиться на записи нескольких предметов без их объединения. Мы рассматриваем два световых декоде...

arXiv Statistics
4
Читать
arXiv AI
arXiv AI

Когда клиенты орхестратированы: стратегическая градиентная манипуляция для отказа от Федеративных серверов обучения с эффективной защитой

arXiv:2609.27124v1 Annualce Type: cross recordre: Federated Learning позволяет осуществлять децентрализованную подготовку моделей путем обмена обновленными моделями - вместо исходных данных - с сервер...

arXiv AI
4
Читать
arXiv Machine Learning
arXiv Machine Learning

К адаптационному федеральному графическому кластерированию: глобальный подход, основанный на изучении и использовании знаний в общинах

arXiv: 2609.26063v1 Annuate Type: New Hightreat: Federated график обучения (FGL) позволяет нескольким клиентам совместно обучать модели графов без обмена данными своих частных графиков, обеспечивая мн...

arXiv Machine Learning
2
Читать
arXiv Machine Learning
arXiv Machine Learning

Совместная модель классификации области домена для обучения в условиях строения

arXiv: 2609.22932v1 Annuate Type: New Humber: Federated Learning (FL) позволяет осуществлять совместное типовое обучение без централизации частных данных, однако результаты часто ухудшаются в зависимо...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

Формирование коалиции, основанной на принципах динамики, для обучения в рамках гетерогенных IoT систем

arXiv: 2609.19695v1 Annuaire Type: new Habrial: Federated Learn (FL) позволяет проводить обучение с целью сохранения конфиденциальности, а также обучение на рабочем месте в рамках разнородных Интернет...

arXiv Machine Learning
2
Читать
arXiv Machine Learning
arXiv Machine Learning

Федеративная стохастическая двууровневая оптимизация с градиентами первого порядка

arXiv:2609.16350v1 Annuate Type: New Humber: Federated Stocastic Bi-уровневая оптимизация активно изучалась в последние годы благодаря ее широкому применению в машинном обучении. Однако большинство су...

arXiv Machine Learning
2
Читать
arXiv Machine Learning
arXiv Machine Learning

ОКТ-ФедСИР: На пути к надежному офтальмическому обучению под звуком аннотации

arXiv: 2609.14734v1 Annualce Type: new Humbertary: Federated Learning позволяет разрабатывать модели на основе сотрудничества без централизации данных о пациентах, однако надежность аннотирования в уч...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

Помимо обычного обучения на основе высокоуровневого регулирования

arXiv: 2609,09904v1 Annualce Type: New Hightreat: Federated Consulted Centers, выполняющие несколько местных этапов оптимизации, могут вернуть изменения параметров с очень различными значениями. Квадр...

arXiv Machine Learning
2
Читать
arXiv Machine Learning
arXiv Machine Learning

FedPS: Предварительная обработка структурированных данных на основе агрегированных статистических данных

arXiv:2602.10870v2 Annuales Type: заменить резюме: Federated Learning (FL) позволяет нескольким сторонам совместно обучать модели машинного обучения без обмена необработанными данными. Однако перед по...

arXiv Machine Learning
3
Читать
arXiv Machine Learning
arXiv Machine Learning

Продвижение вперед многосекретной гомоморфической шифровки для частной средней агрегации

arXiv:2609.0.1945v1 Annualce Type: кросс-бюллетень: Federated Learning позволяет нескольким клиентам обучать общую модель, сохраняя при этом изолированность своих местных наборов данных. Вместе с тем ...

arXiv Machine Learning
2
Читать
arXiv Machine Learning
arXiv Machine Learning

Breaking the Structural Identity: Personalized Federated LoRA Fine-tuning under Rank Heterogeneity

arXiv:2609.00632v1 Announce Type: new Abstract: Large Language Models (LLMs) have achieved remarkable success across diverse domains, but their adaptation to privacy-sensitive, distributed datasets re...

arXiv Machine Learning
6
Читать