Запис доказів методу

Robust Federated Learning

Robust Federated Learning extends standard federated learning with Byzantine-tolerant aggregation rules that protect the global model against malicious, corrupted, or unreliable clients. Instead of naively averaging client gradients, robust aggregation methods such as coordinate-wise median or Krum filter out harmful updates so that a minority of adversarial participants cannot derail training.

Sources recorded, not reviewed

Запис джерела

Цитати скопійовано дослівно з вихідного запису методу. Вони не передбачають перевірки на рівні тверджень.

Robust Federated Learning (Byzantine-Tolerant Distributed Training)

Запис таксономічного методу · ml-model / machine-learning

Відкрити повний метод

Відібрані твердження

Твердження збережено в журналі доказів, кожне зі своєю оцінкою.

Відібраних тверджень ще немає

Цей перегляд не вигадує оцінку твердження, якщо в журналі її немає.

Пов'язані методи

Згенеровано з графа методів і показано як рекомендовані системою зв'язки — жодне твердження доказів не передбачається.

Taxonomic bucketBayesian Federated Learningmachine-suggested · Relational suggestion, not evidence.Same method familyFederated Learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketOnline Federated Learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketRobust Gradient Boostingmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketSemi-supervised Federated learningmachine-suggested · Relational suggestion, not evidence.Taxonomic bucketTransfer Learningmachine-suggested · Relational suggestion, not evidence.