云南高校图书馆联盟文献共享服务平台- 数据异构

数据异构: 作品数：64被引量：146H指数：7; 导出分析报告; 相关领域：自动化与计算机技术更多>>; 相关作者：赵雅倩李仁刚陈兵戴超凡李京更多>>; 相关机构：中国科学技术大学华中科技大学华东师范大学北京邮电大学更多>>; 相关期刊：更多>>; 相关基金：国家自然科学基金甘肃省高等学校研究生导师科研项目计划国家高技术研究发展计划江苏省高校自然科学研究项目更多>>

面向数据异构的聚类联邦学习算法: 《计算机应用》2025年第4期1086-1094,共9页陈庆礼郭渊博方晨; 联邦学习(FL)是一种在隐私保护和通信效率方面极具潜力的新型机器学习模型构建范式,然而现实物联网(IoT)场景中客户端节点数据之间会存在异构性,学习一个统一的全局模型会导致模型准确率下降。为了解决这一问题,提出一种基于特征分布的...; 关键词：联邦学习聚类特征提取主成分分析个性化联邦学习

注意力机制驱动的个性化联邦学习特征分离方法: 《计算机应用研究》2025年第4期1102-1107,共6页张晓琴金西兴陆艳军曹泽宇; 重庆市技术创新与应用发展专项重点资助项目(CSTB2022TIAD-KPX0054);重庆理工大学研究生教育高质量发展项目(gzlcx20243154)。; 提出了一种名为注意力机制驱动的个性化联邦学习特征分离方法(attention-driven feature separation method for personalized federated learning,FedAM),旨在解决传统联邦学习在高度异构数据环境下模型收敛性差和缺乏个性化解决方案...; 关键词：数据异构注意力机制参数分离个性化联邦学习

联邦原型学习的特征图中毒攻击和双重防御机制被引量：1: 《软件学报》2025年第3期1355-1374,共20页王瑞锦王金波张凤荔李经纬李增鹏陈厅; 国家重点研发计划(2022YFB4501200,2022YFB3304303);国家自然科学基金(62271128,61972073,U2333207);成都市重点研发支撑计划“揭榜挂帅”项目(2022-JB00-00013-GX);四川省科技计划重点研发项目(2022ZDZX0004,2023YFG0029,2023YFG0150,2022YFG0212,2021YFS0391);四川省科技计划“揭榜挂帅”项目(2023YFG0374,2023YFG0373);山东省自然科学基金(ZR2023MF045)。; 联邦学习是一种无需用户共享私有数据、以分布式迭代协作训练全局机器学习模型的框架.目前流行的联邦学习方法FedProto采用抽象类原型(称为特征图)聚合,优化模型收敛速度和泛化能力.然而,该方法未考虑所聚合的特征图的正确性,而错误的...; 关键词：联邦学习数据异构知识蒸馏特征图中毒攻击双重防御机制

基于工作证明的联邦学习懒惰客户端识别方法: 《计算机应用》2025年第3期856-863,共8页林海力李京; 中国科学院战略性先导科技专项(A类)(XDA19020102)。; 在对隐私保护的需求不断增长的当今社会,联邦学习正受到广泛关注。然而,在联邦学习中,服务器难以监管客户端的行为,致使懒惰客户端的存在为联邦学习的性能与公平性带来了潜在威胁。针对如何高效又准确地辨别懒惰客户端的问题,提出设置...; 关键词：联邦学习后门懒惰客户端工作证明数据异构

基于相似性的个性化联邦学习模型聚合框架: 《计算机应用研究》2025年第1期125-132,共8页武文媗王灿黄静静吴秋新秦宇; 国家自然科学基金资助项目(61604014);未来区块链与隐私计算高精尖项目(GJJ-23);北京信息科技大学“青年骨干教师”支持计划项目(YBT202450)。; 传统联邦学习中经过加权聚合得到的全局模型无法应对跨客户端的数据异构的问题。现有研究通过形成个性化模型应对,但个性化模型如何平衡全局的共性信息和本地的个性信息是一个挑战。针对上述问题,提出了一种个性化联邦学习模型聚合框架F...; 关键词：个性化联邦学习余弦相似度数据异构模型聚合恶意设备

平衡信息与动态更新的原型表示联邦学习被引量：1: 《华东理工大学学报（自然科学版）》2024年第6期905-912,共8页徐炜钦肖婷王喆; 国家自然科学基金(62076094);上海市科技计划项目‘联邦框架下跨域/跨任务增量学习方法研究’(21511100800)。; 联邦学习(FL)是一种分布式机器学习方法,旨在通过训练模型而不共享客户之间的原始数据来解决隐私问题。然而,跨客户端数据的异构性会阻碍FL中的优化收敛性和泛化性能。为了解决这个问题,本文提出了平衡信息与动态更新的联邦原型学习(BD-...; 关键词：联邦学习特征空间聚合原型表示对比学习数据异构

基于原型学习的联邦持续学习方法: 《中国科学：信息科学》2024年第10期2428-2442,共15页张浩东杨柳于剑胡清华景丽萍; 国家自然科学基金(批准号:62076179,61925602,U23B2049,U23B2062)资助项目。; 联邦学习能够在隐私保护的前提下联合多个参与者进行协同学习,然而经典的联邦学习不具备持续学习的能力,无法适应动态变化的应用场景.联邦持续学习近期引起了广泛的关注,其允许多个参与者在协同学习的同时进行持续学习.联邦持续学习是...; 关键词：联邦持续学习原型学习知识蒸馏灾难性遗忘数据异构

健康医疗数据共享的现实困境与合规因应被引量：2: 《医学与哲学》2024年第17期52-57,共6页张汉成; 2024年广州医科大学科研能力提升项目(02-410-2405115);2024年四川省哲学社会科学重点研究基地—四川医事卫生法治研究中心资助项目(YF24-Q13);2024年广东省普通高校人文社科重点研究基地(2024WZJD007)。; 健康医疗数据共享正面临实际需求与合规挑战之间的强烈张力,详细审视健康医疗数据的基础特性,揭示出其内在蕴含着共享的价值导向和目的需求。但现有治理正面临数据异构、隐私泄露及国家安全风险等三重困境。这些问题在各类医疗机构和服...; 关键词：数据共享数据异构数据泄露共享合规

PFKD:综合考虑数据异构和模型异构的个性化联邦学习框架被引量：1: 《南京信息工程大学学报》2024年第4期513-519,共7页陈学斌任志强; 国家自然科学基金(U20A20179)。; 联邦学习是解决机器学习中数据共享和隐私保护两个关键难题的重要方法.然而,联邦学习本身也面临着数据异构和模型异构的挑战.现有研究往往只专注于解决其中一个方面的问题,忽视了两者之间的关联性.为此,本文提出了一个名为PFKD的框架,...; 关键词：联邦学习数据异构模型异构

基于双流神经网络的个性化联邦学习方法被引量：1: 《计算机应用》2024年第8期2319-2325,共7页沈哲远杨珂珂李京; 中国科学院战略性先导科技专项(A类)(XDA19020102)。; 经典的联邦学习(FL)算法在数据高度异构的场景下难以取得较好的效果。个性化联邦学习(PFL)针对数据异构问题,提出新的解决方案,即为每个客户端“量身定做”专属模型,这样模型会拥有较好的性能;然而同时会引出难以将FL扩展到新客户端上...; 关键词：联邦学习个性化联邦学习数据异构双流神经网络新客户端问题

数据异构