CoASFL：异步分割联邦学习一致性框架
热点事件持续更新
CoASFL：异步分割联邦学习一致性框架
1 篇报道1 个报道来源10 小时前更新
先了解这件事
AI 综述
Junhao Cheng 等作者提出 CoASFL，一个面向异步分割联邦学习的不一致性感知框架，用动态激活合并和一致性感知模型聚合，同时缓解客户端之间的横向不一致，以及客户端与服务器之间的纵向不一致。 作者在 80 台异构边缘设备测试平台上报告，CoASFL 训练速度较 SOTA 方法提升 1.61× 至 3.74×，最终模型准确率最高提升 3.26%。这些数字来自作者自述的测试结果。
AI 根据报道生成 · 59 分钟前更新
最新进展10月21日 12:00
CoASFL：面向异步拆分联邦学习的耦合一致性优化框架报道时间线
沿着报道，了解事件的不同侧面。
10月21日
- arXiv cs.AICoASFL：面向异步拆分联邦学习的耦合一致性优化框架
CoASFL 是一个不一致性感知的异步拆分联邦学习框架，通过动态激活合并与一致性感知模型聚合，同时缓解客户端间横向不一致和客户端与服务器间纵向不一致。在 80 台异构边缘设备测试平台上，其训练速度较 SOTA 方法提升 1.61× 至 3.74×，最终模型准确率最高提升 3.26%。
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。