F-SOSA提出单轮联邦模型编辑方法
热点事件持续更新
F-SOSA提出单轮联邦模型编辑方法
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
Youming Tao 等作者提出 F-SOSA 单轮联邦模型编辑算法，用于处理边缘设备动态加入或退出；城市移动仿真实验显示，其性能匹配重新训练，同时累计时间和通信开销至少分别降低 36% 和 22%。 F-SOSA-U 支持联邦遗忘，F-SOSA-I 支持增量学习。论文称，编辑后的模型及中间状态在统计上与重新训练不可区分，预期成本仅为重新训练的 O(ρ) 比例。
AI 根据报道生成 · 53 分钟前更新
最新进展10月28日 12:00
F-SOSA：面向边缘设备动态变化的单轮联邦模型编辑报道时间线
沿着报道，了解事件的不同侧面。
10月28日
- arXiv · Machine LearningF-SOSA：面向边缘设备动态变化的单轮联邦模型编辑
F-SOSA 是一种面向动态边缘设备的稳定单轮联邦学习算法，可通过模型编辑处理客户端加入或退出。F-SOSA-U 和 F-SOSA-I 分别支持遗忘与增量学习，编辑模型及中间状态在统计上与重新训练不可区分，预期成本仅为重新训练的 O(ρ) 比例。城市移动仿真实验中，该方法匹配重新训练性能，同时将累计时间和通信开销分别至少降低 36% 和 22%。
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。