抗拜占庭压缩联邦学习新框架提出
热点事件持续更新
抗拜占庭压缩联邦学习新框架提出
1 篇报道1 个报道来源22 小时前更新
先了解这件事
AI 综述
Yanjie Dong 提出投影惩罚梯度跟踪框架,用于通信高效的拜占庭鲁棒联邦学习。该框架针对压缩上传会破坏惩罚方法拜占庭鲁棒性的问题:诚实节点上传惩罚梯度的压缩残差,服务器将重建状态投影到已知的惩罚梯度球上,据称兼容任意收缩压缩器。 框架包含 FRPG-CS 与 LAG-FRPG 两种算法。上述兼容性与鲁棒性效果出自论文自述,尚未见独立验证。
AI 根据报道生成 · 14 小时前更新
最新进展11月19日 13:00
面向通信高效拜占庭鲁棒联邦学习的投影惩罚梯度跟踪框架报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv cs.AI面向通信高效拜占庭鲁棒联邦学习的投影惩罚梯度跟踪框架
针对压缩上传会破坏惩罚方法的拜占庭鲁棒性,提出投影惩罚梯度跟踪框架:诚实节点上传惩罚梯度的压缩残差,服务器将重建状态投影到已知惩罚梯度球上,兼容任意收缩压缩器。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 811月19日 22:00
- 近 24 小时变化
- –
02468
11月20日03:0006:0009:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。