Sign In
insight - Federated Learning Robustness
Improving Federated Learning Robustness with Logits Calibration on Non-IID Data
The author aims to enhance the robustness of federated learning models against adversarial attacks and non-IID challenges by introducing a novel logits calibration strategy under the federated adversarial training framework. This approach improves model performance by addressing class imbalances and biases between local and global models.
BOBA: Byzantine-Robust Federated Learning with Label Skewness
BOBA provides unbiased and robust aggregation in federated learning, addressing label skewness challenges.
Products | Resources
Read more
- 自然言語を用いたポリシー
- zigzag-mamba-diffusion-model-enhancing-visual-data-generation-with-zigzag-mamba
- 物体検出の汎化能力を反映するバウンディングボックスの安定性について
- ハイブリッドディープラーニングと物理ベースのニューラルネットワークによるプログラマブル照明計算顕微鏡
- altgraph-redesigning-quantum-circuits-using-generative-graph-models-for-efficient-optimization
- smilesを言語として扱うことができるか-薬物分類のためのテキスト分類方法
- 知識再利用転移学習法における分子と材料科学
- 再考するsbddにおける特異性
© 2024 by Linnk AI