联邦学习FATE

AI模型技术演进与行业应用图谱

与此同时，模型压缩技术通过量化和知识蒸馏将参数量降低60%-80%，联邦学习则通过加密梯度交换实现多机构数据协同训练。在应用层面，医疗诊断模型通过迁移学习在CT影像分类任务中达到98.2%的准
智能计算研究中心·2025-03-23 15:26

模型优化驱动产业应用创新

在部署层面，边缘计算与联邦学习的协同应用不仅缩短了金融预测、医疗影像分析等场景的响应延迟，更通
智能计算研究中心·2025-03-23 15:56

金融风控算法透明度与可解释性优化

本文从联邦学习架构下的数据协作机制出发，结合特征工程优化与超参数调整技术，系统性分析逻辑回归、随机森林等传统算法在召回率、F1值等关键指标上的表现差异。
智能计算研究中心·2025-03-21 01:13

联邦学习算法安全优化与可解释性研究

内容概要本研究围绕联邦学习算法的安全性优化与模型可解释性增强展开系统性探索。
智能计算研究中心·2025-03-21 01:43

下一代模型技术演进与场景应用突破

在底层架构层面，边缘计算与量子计算的融合重构了算力分配模式，联邦学习技术则为跨域数据协作提供了安全可信的解决方案。
智能计算研究中心·2025-03-21 01:13

AI模型技术前沿与跨场景应用实践

从技术演进角度看，可解释性模型与量子计算框架的协同发展正在突破传统黑箱限制，而联邦学习、自适应优化等技术则为复杂场景建模提供了新的方法论支撑。
智能计算研究中心·2025-03-19 11:36

医疗影像联邦学习可解释性算法研究

内容概要医疗影像分析领域的联邦学习技术正面临数据隐私保护与模型可解释性的双重挑战。
智能计算研究中心·2025-03-19 11:36

金融风控可解释性算法安全优化实践

本文从实际业务场景出发，系统性梳理可解释性算法与联邦学习、特征工程的协同框架，通过超参数优化与动态模型评估机制，构建透明化决策链路。
智能计算研究中心·2025-03-14 22:43

生成对抗网络优化医疗影像分析方法

本研究通过整合联邦学习算法与动态数据增强技术，构建了跨机构医疗影像协同分析框架，在保证患者隐私的前提下实现了数据资源的有效扩展。
智能计算研究中心·2025-03-14 22:43

跨领域算法安全优化与可解释实践

通过整合联邦学习的分布式架构与量子计算的高效特性，构建兼顾隐私保护与运算效率的算法优化范式，同时引入动态可解释性分析技术，为医疗影像诊断、金融风险预测等高敏感场景提供决策透明度保障。
智能计算研究中心·2025-03-11 22:43

智能算法安全与跨领域创新实践

当前研究重点围绕算法可解释性增强、动态风险评估及数据安全防护展开，通过融合联邦学习的分布式协作框架、量子计算的算力突破以及注意力机制的特征聚焦能力，构建起多模态技术融合的创新路径。
智能计算研究中心·2025-03-11 22:13

模型优化前沿趋势与行业应用实战

以联邦学习为代表的数据隐私保护技术，正在重构跨机构协作的模型训练范式，而量子计算与神经架构搜索（NAS）的结合，为超参数优化开辟了新维度。
智能计算研究中心·2025-03-11 22:12

python | flower，一个强大的 Python 库！

Github地址：https://github.com/mher/flower随着机器学习模型应用的增长，联邦学习（FederatedLearning，FL）逐渐成为一个重要方向。
双木的木·2025-03-09 19:11

智能算法安全优化与关键技术实践

在医疗影像分析、金融风控、自动驾驶等场景中，联邦学习的分布式协作机制有效解决了数据孤岛问题，而生成对抗网络通过对抗训练增强数据生成能力，为小样本场景提供技术支撑。
智能计算研究中心·2025-03-08 03:02

跨领域算法安全优化与实践路径

本书从联邦学习的隐私保护架构切入，探讨如何通过可解释性算法增强模型透明度，并引入量子计算与边缘计算的协同优化框架，构建兼顾效率与安全的技术范式。
智能计算研究中心·2025-03-08 03:01

第37篇Personalized Federated Learning: A Meta-Learning Approach（perfedavg联邦学习+元学习）2020个性化联邦学习使用Hessian

第一部分：解决的问题联邦学习（FL）在多用户协同训练模型时，因数据隐私和通信限制，用户仅与中央服务器交互。
还不秃顶的计科生·2025-03-07 17:44

AI人工智能 Agent：在保护隐私和数据安全中的应用

AI人工智能Agent：在保护隐私和数据安全中的应用关键词：AIAgent、隐私保护、数据安全、同态加密、联邦学习、区块链1.背景介绍1.1问题的由来随着人工智能技术的快速发展,AIAgent在各行各业得到了广泛应用
AI大模型应用之禅·2025-03-03 19:37

人工智能算法安全优化实践路径

通过整合自动化机器学习与联邦学习技术，构建跨数据孤岛的协作框架，同时引入可解释性算法增强模型透明度，确保决策逻辑可追溯、可验证。在模型优化维度，重点解析
智能计算研究中心·2025-02-28 02:44

金融风控与医疗影像算法创新前沿

联邦学习算法通过分布式数据协作机制，在保证隐私安全的前提下，显著提升金融风险预测模型的泛化能力。
智能计算研究中心·2025-02-28 02:44

联邦学习与边缘模型优化赋能医疗诊断新路径

联邦学习框架通过分布式模型训练机制，有效破解医疗机构间的数据壁垒，使跨机构的医学影像、病理数据在不离开本地服务器的前提下完成知识共享。
智能计算研究中心·2025-02-25 03:26

联邦学习优化驱动医疗诊断新突破

联邦学习技术通过构建分布式训练框架，使医疗机构在不共享原始数据的前提下，实现跨域模型的协同优化。
智能计算研究中心·2025-02-25 03:26

2025保险与金融领域实战全解析：DeepSeek赋能细分领域深度指南（附全流程案例）

2025保险与金融领域实战全解析：DeepSeek赋能细分领域深度指南（附全流程案例）目录DeepSeek在保险与金融中的核心价值保险领域：从风险建模到产品创新金融领域：从投资分析到财富管理区块链与联邦学习的应用探索客户关系与私域运营
emmm形成中·2025-02-24 17:43

‘, None, 10054, None)（联邦学习+ray中常见问题）

第一部分：问题描述(pid=24828)Filesalreadydownloadedandverified2025-02-2412:48:44,183ERRORimport_thread.py:89--ImportThread:Errorwhilereadingfromsocket:(10054,'远程主机强迫关闭了一个现有的连接。',None,10054,None)2025-02-2412:48
还不秃顶的计科生·2025-02-24 14:26

边缘计算与联邦学习驱动医疗影像特征工程优化

本研究针对医疗影像分析场景中跨机构数据共享的复杂性，提出基于边缘计算与联邦学习的协同优化框架，通过分布式特征工程重构医学图像的解析范式。
智能计算研究中心·2025-02-23 11:40

深度学习框架与边缘计算融合驱动医疗金融模型优化新路径

当前，TensorFlow、PyTorch等主流框架通过轻量化改造（如TensorFlowLite与PyTorchMobile）逐步适应边缘设备的资源限制，同时结合联邦学习技术构建分布式训练网络。
智能计算研究中心·2025-02-23 11:10

边缘计算与联邦学习驱动医疗金融预测及模型可解释性技术突破

内容概要当前人工智能技术正经历多维度融合与迭代升级，边缘计算与联邦学习的协同创新成为突破性方向。
智能计算研究中心·2025-02-23 11:10

联邦学习: 统一数据协作和隐私保护的技术解决之道

联邦学习:统一数据协作和隐私保护的技术解决之道1.数据价值和隐私2.隐私计算技术安全多方计算可信执行环境联邦学习3.联邦学习的拓展分布式机器学习联邦学习和传统分布式系统的差异联邦学习带来的挑战安全性补充实际案例讲解总结
小牍·2025-02-23 10:35

第26篇：pFedLoRA: Model-Heterogeneous Personalized Federated Learning with LoRA使用lora微调的模型异构个性化联邦学习

第一部分：解决的问题联邦学习（FederatedLearning,FL）是一种分布式机器学习方法，允许客户端在本地数据上训练模型，同时通过中心服务器共享学习成果。
还不秃顶的计科生·2025-02-20 20:10

2024年Python最新联邦学习实战-2-用FATE从零实现横向逻辑回归，面试阿里巴巴客服

学好Python不论是就业还是做副业赚钱都不错，但要学会Python还是要有一个学习规划。最后大家分享一份全套的Python学习资料，给那些想学习Python的小伙伴们一点帮助！一、Python所有方向的学习路线Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。二、学习软件工欲善其
2401_84138785·2025-02-19 15:03

聚焦大模型！隐语技术团队研究成果被 ICASSP 与 ICLR 两大顶会收录

“隐语”是开源的可信隐私计算框架，内置MPC、TEE、同态等多种密态计算虚拟设备供灵活选择，提供丰富的联邦学习算法和差分隐私机制。
·2025-02-17 20:25

DeepSeek底层揭秘——知识图谱与语料库的联邦学习架构

目录1.知识图谱与语料库的联邦学习架构2.技术要素3.技术难点与挑战4.技术路径5.应用场景6.最新研究与技术进展7.未来趋势8.实际案例猫哥说1.知识图谱与语料库的联邦学习架构(1)定义“知识图谱与语料库的联邦学习架构
9命怪猫·2025-02-14 02:51

基于联邦学习的政务大数据平台应用研究

联邦学习是一类解决数据孤岛的重要方法，基于联邦学习的政务一体化大数据平台应用具有较高的研究价值。
宋罗世家技术屋·2025-02-13 12:50

三、隐语架构

联邦学习：在原始数据不出域的前提下，通过交换中间数据完成机器学习建模，包含
人生相聚两依依·2025-02-11 21:02

DeepSeek联邦学习（Federated Learning）基础与实践

联邦学习（FederatedLearning,FL）是一种在分布式环境中训练模型的技术，允许多个设备或节点在不共享原始数据的情况下协同训练模型。
Evaporator Core·2025-02-10 23:44

在KubeFATE中定制化部署联邦学习组件的深入分析

题图摄于国家大剧院（本文作者系VMware中国研发云原生实验室架构师，联邦学习开源项目KubeFATE/FATE-Operator维护者。）
亨利笔记·2025-01-24 10:42

联邦学习中客户端发送的梯度是vector而不是tensor

在联邦学习中，当本地使用神经网络或深度学习模型时，训练的梯度通常是与模型参数（权重和偏置）相对应的梯度数据。
wzx_Eleven·2025-01-22 18:33

汇聚前沿｜思腾合力邀您共赴可信联邦学习·武汉站

可信联邦学习·武汉站于2024年11月18日-19日在武汉大学举办，其作为隐私计算与数据智能的重要力量，正引领着学术界与工业界的新一轮变革。
·2025-01-17 14:37

联邦学习 Federated learning Google I/O‘19 笔记

FederatedLearning:MachineLearningonDecentralizeddatahttps://www.youtube.com/watch?v=89BGjQYA0uE文章目录FederatedLearning:MachineLearningonDecentralizeddata1.DecentralizeddataEdgedevicesGboard:mobilekeyboa
努力搬砖的星期五·2024-09-15 11:55

锈色休止符（fate系列同人）

03并蒂双仪速水长谦在秋千上坐了不知有多久。和往常一样，她这次又遭到了拒绝——在放学之后去弟弟的班里说想和他一起回家时。“我很忙。你要是着急就先滚回家吧，大·小·姐！”到底怎样才能消除长时对自己的厌恶，这个问题她已经琢磨很多年了，至今没有头绪。刚刚太阳还在树梢，现在已经快和地面的小野花一样高了。她左手握住秋千绳，脑袋靠在手背上，右手在腿上敲来敲去。“海顿？”速水长谦能感觉到有人从背后抓住了秋千的两
浊者不清·2024-09-12 18:43

SAFEFL: MPC-friendly Framework for Private and Robust Federated Learning论文阅读笔记

SAFEFL:MPC-friendlyFrameworkforPrivateandRobustFederatedLearning适用于私有和鲁棒联邦学习的MPC友好框架SAFEFL，这是一个利用安全多方计算
慘綠青年627·2024-09-06 10:44

探索联邦学习：保护隐私的机器学习新范式

探索联邦学习：保护隐私的机器学习新范式前言联邦学习简介联邦学习的原理联邦学习的应用场景联邦学习示例代码结语前言  在数字化浪潮的推动下，我们步入了一个前所未有的数据驱动时代。
洋葱蚯蚓·2024-08-25 11:54

网络安全: 模型的脆弱性，鲁棒性和隐私性

隐私性问题在联邦学习和其
不当菜鸡的程序媛·2024-08-22 16:30

Pipeline过程记录

配置：Ubuntu22.04.3，VMware虚拟机（9999/10000）1、安装FATE客户端：在本机上安装FATE客户端。
naughty0809·2024-02-20 20:57

实践案例｜孟宪超：基于隐语深度学习在保险联合定价中的应用（附演讲视频）

“隐语”是开源的可信隐私计算框架，内置MPC、TEE、同态等多种密态计算虚拟设备供灵活选择，提供丰富的联邦学习算法和差分隐私机制。
·2024-02-19 23:04

关于linux中网络配置问题

以下网址详细的介绍了三种模式的设置网络方法，https://www.cnblogs.com/summer-fate/p/7704070.html下面记录下我设置网络的步骤（以Host_Only的方式）step1
sunshine_cc52·2024-02-13 14:04

锈色休止符（fate系列同人）

05连横“早啊羽生同…唉你胳膊怎么了？摔伤了？”冲田刚刚走进教室就注意到了第二排羽生幸若缠着绷带挂在胸前的右臂。“别靠近…”羽生幸若避开他的目光，“我已经说第四次了…”“就算反感人际交往，同学之间说说话也不是不可以的嘛！”“不要…拒绝交流…”冲田见状只好耸了耸肩：“算了～我找竹中去。相比之下竹中可开朗多了。”“唉？”突然中枪的竹中山茶猛地从座位上抬起头。“唉什么唉？你也回拒好朋友的打招呼嘛？”冲田
浊者不清·2024-02-12 15:37

《一代》Generation第二章

三年前她带着小艾逃到这里，一手建立FATE组织，为那些不甘沦为G造人工具的男男女女提供庇佑，林热爱这一切，但此刻，她
Heathen_bd67·2024-02-11 15:50

【Deep Dive:AI Webinar】联邦学习-数据安金性和隐私性分析的思维转换

【深入探讨人工智能】网络研讨系列总共有17个视频。我们按照视频内容，大致上分成了3个大类：1.人工智能的开放、风险与挑战（4篇）2.人工智能的治理（总共12篇），其中分成了几个子类：a.人工智能的治理框架（3篇）b.人工智能的数据治理（4篇）c.人工智能的许可证（4篇）d.人工智能的法案（1篇）3.炉边对谈-谁在构建开源人工智能?今天发布的是第11个视频，亦即第二个大类别“人工智能的治理”里的第二
开源社·2024-02-09 12:36

Fate-Serving推理服务源码解读

https://fate-serving.readthedocs.io/en/develop/?
SakamataZ·2024-02-08 22:20

Apache Pulsar 在腾讯 Angel PowerFL 联邦学习平台上的实践

腾讯AngelPowerFL联邦学习平台联邦学习作为新一代人工智能基础技术，通过解决数据隐私与数据孤岛问题，重塑金融、医疗、城市安防等领域。
StreamNative·2024-02-07 11:24
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他