Closed-Loop Fairness and Privacy Optimization for Federated Text Classification under Non-IID Data
本文提出了 FedMOJO,这是一个闭环协作框架,它整合了低秩表示学习、差分隐私以及公平性-隐私优化,旨在非独立同分布(non-IID)数据下的联邦文本分类任务中,有效地平衡效用、群体公平性和隐私保护。
974 篇论文
本文提出了 FedMOJO,这是一个闭环协作框架,它整合了低秩表示学习、差分隐私以及公平性-隐私优化,旨在非独立同分布(non-IID)数据下的联邦文本分类任务中,有效地平衡效用、群体公平性和隐私保护。
本文提出了一种利用 CNN、RNN 和 LSTM 模型,基于时间特征来检测无线传感器网络中节点级故障的深度学习框架,并通过性能指标进行验证,并通过实时图映射界面进行可视化。
本研究提出了一种用于数据匮乏地区水质分类的可迁移、可解释且具备不确定性感知能力的机器学习框架,该框架结合了不同的任务族与鲁棒建模,旨在提供一个谨慎且可复现的决策支持工具,而非盲目的自动分类器。
本文介绍了 ILS+SP,这是一种将迭代局部搜索(Iterated Local Search)与集合划分(Set Partitioning)后优化相结合的混合元启发式算法,该算法通过在解决大规模基准实例时获得近优解,显著优于现有的最先进方法,从而解决了家庭容量车辆路径问题(Family Capacitated Vehicle Routing Problem)。
本文证明了基于池化的规划智能体面临着一个由嵌入维度和对象数量唯一决定的、不可约减且可计算的物体接地上限,这是一种无论模型容量或训练如何都会导致身份丢失的结构性限制。
本研究提出了熵解析传感器可操作性(ESA)框架,这是一种统一的选择方法,它整合了信息相关性、时间稳定性、非冗余性和完备性,旨在识别出在多变的现场条件和数据缺失情况下,仍能保持近乎完美预测性能的紧凑且具解释性的传感器子集。
本文提出了一种经 FPGA 加速的矩阵乘积态(MPS)量子电路模拟器,该模拟器能够通过将张量收缩任务卸载至 Xilinx Alveo U55C,同时将奇异值分解(SVD)和采样保留在主机端,从而处理超过 500 个量子比特,证明了其性能随键维而非量子比特数而扩展,并通过严谨的正向正确性与证伪实验验证了该系统的关键作用。
本文介绍了鲁棒随机方差缩减虚拟试穿(RSVR-VTO)算法,这是一种分布鲁棒优化框架,该框架在实现 收敛速率并于高分辨率基准测试中取得卓越性能的同时,保证了在动态环境不确定性下的几何变形与纹理合成的稳定性。
本文提出了一种创新的教育策略,该策略整合了大语言模型与深度学习技术,旨在通过对多模态数据的分析,构建一个智能虚拟玩偶伙伴,从而实现对自闭症谱系障碍儿童教育进展进行客观、持续且个性化的评估。
本文介绍了 vProjTutor,这是一个基于大语言模型智能体(LLM-agent)的系统,它通过与 Telegram、Trello 和 GitHub 等工具集成,利用自然语言交互来支持学生团队进行项目规划与监控,并在用户研究中展示了极高的可用性和任务完成率。