热点事件观察中

Geodesic-SVDD 分布式表格学习框架发布

1 篇报道1 个报道来源1 天前更新

先了解这件事

AI 综述

Geodesic-SVDD 框架由论文作者团队提出，旨在解决分布式表格学习问题。该框架将每个客户端的任务重构为超球面上的一类密度估计，使本地模型能在单轮内以概率流形的形式进行聚合。该方法应用了残差球面编码器和测地隐层混洗技术，有效防止了流形坍缩现象的发生。

AI 根据报道生成 · 2 小时前更新

最新进展10月27日 12:00

沿着报道，了解事件的不同侧面。

10月27日

12:00
arXiv · ML
Geodesic-SVDD 隐层混洗实现单轮分布式表格学习
Geodesic-SVDD 框架在 5 个表格基准测试中取得七种联邦方法中最高的平均 AUROC。该方法使用残差球面编码器和测地隐层混洗，防止流形坍缩；单轮“专家乘积”协议实现隐私保护聚合，优于线性混洗 $10^9\times$ 的梯度不稳定性。在 Covertype 上超越联邦树集成最多 21 AUROC 点，单轮版本在 IID 下匹配集中式 Deep SVDD 性能。

还没有足够的连续观测数据，暂不绘制趋势。