arXiv cs.LG· Yusuf \"Ozt\"urk, Enes G\"oktekin, Bengisu Atl{\i}, Ak{\i}n \"Ozt\"urk, Zhixiang Wang, Ulas Bagci·· 2026-09-30AI 评分27
NASA C-MAPSS 上的 LSTM 故障检测器无服务器 Gossip 训练：与联邦、本地及集中式学习的对比研究
Serverless gossip training of LSTM failure detectors: A matched-protocol comparison with federated, local and centralized learning on NASA C-MAPSS
AI 导读
针对 NASA C-MAPSS 涡轮风扇基准上的堆叠 LSTM 故障检测，同步环形 Gossip 训练在无需中央服务器的情况下，于 FD001 取得 89.6 ± 1.3% 的终端窗口 F1 分数，性能比肩 FedAvg（89.9 ± 1.1%）。在 FD002-FD004 上该方法较本地训练将 F1 提升 13 至 28 个百分点，在数据异构性适中时是切实可行的无服务器替代方案。
来源：arXiv cs.LG · arxiv.org