研究者提出联邦知识保留学习框架FKPL
热点事件持续更新
研究者提出联邦知识保留学习框架FKPL
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Haotian Wu等作者提出联邦知识保留学习框架FKPL，面向域偏移下的联邦学习，采用两阶段流程。第一阶段用一次性子空间聚类把客户端分组，各组做域内训练，并冻结、拼接各专家编码器；第二阶段按类别匹配的域原型插值生成虚拟特征，由服务器训练全局线性分类器。该框架把面向域的专家训练与基于原型的分类器校准分开。
AI 根据报道生成 · 3 小时前更新
最新进展11月3日 13:00
FKPL：面向域偏移联邦学习的知识保留式模型聚合框架报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AIFKPL：面向域偏移联邦学习的知识保留式模型聚合框架
研究者提出联邦知识保留学习（FKPL，Federated Knowledge-Preserving Learning）两阶段框架，先用一次性子空间聚类分组客户端做域内训练并冻结拼接各专家编码器，再用类匹配域原型插值生成虚拟特征，由服务器训练全局线性分类器。
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。