FAdagrad: Adaptive federated learning with differential privacy

Federated Learning (FL) represents a promising distributed learning paradigm that enables model training without centralizing users' sensitive data. However, FL faces several practical challenges, such as communication overhead, convergence rates, robustness, and overall performance efficacy. A...

Celý popis

Podrobná bibliografie

Vydáno v:	2024 IEEE International Conference on High Performance Computing and Communications (HPCC) s. 508 - 515
Hlavní autoři:	Luo, Yuling, Pan, Ziyan, Fu, Qiang, Qin, Sheng
Médium:	Konferenční příspěvek
Jazyk:	angličtina
Vydáno:	IEEE 13.12.2024
Témata:	Accuracy Adaptation models adaptive gradient descent algorithm Computational modeling Convergence Differential privacy Federated learning Privacy Protection Servers Training
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!