2 items
#noisy-labels
Toutes les news taguées avec ce sujet.
- RECHERCHEheat 38
FedSIR : identification spectrale et re-labélisation des clients pour le federated learning avec labels bruités
Un cadre multi-étapes exploite la structure spectrale des représentations de caractéristiques pour corriger les labels bruités en apprentissage fédéré.
- RECHERCHEheat 38
FB-NLL : une approche par features pour gérer les labels bruités en Federated Learning personnalisé
FB-NLL découple le clustering des utilisateurs de la dynamique d'entraînement itératif pour résister aux labels corrompus en apprentissage fédéré personnalisé.