Geodesic-SVDD提出单轮分布式表格学习框架
热点事件持续更新
Geodesic-SVDD提出单轮分布式表格学习框架
1 篇报道1 个报道来源9 小时前更新
先了解这件事
AI 综述
Andrea Moleri等提出Geodesic-SVDD框架及One-Shot协议，将各客户端的任务建模为球面上的单类密度估计，并在单轮通信中聚合概率流形，用于分布式表格学习和隐私保护聚合。 作者报告，在五个表格基准和四种标签偏斜设置中，该方法在七种联邦方法里平均AUROC最高；在Covertype上比联邦树集成最多高21个AUROC点。One-Shot变体在IID和轻度偏斜条件下达到与集中式Deep SVDD相当的表现。
AI 根据报道生成 · 1 小时前更新
最新进展10月28日 12:00
Geodesic-SVDD Latent Mixup：单轮分布式表格学习报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningGeodesic-SVDD Latent Mixup：单轮分布式表格学习
Geodesic-SVDD提出面向分布式表格学习的球面原型学习框架，以单轮通信实现隐私保护聚合。在五个表格基准和四种标签偏斜程度上，该方法在七种联邦方法中取得最高平均AUROC，并在Covertype上领先联邦树集成最多21个AUROC点。其One-Shot变体在IID和轻度偏斜条件下匹配集中式Deep SVDD；线性mixup会使优化梯度产生10^9×级别的不稳定。
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。