arXiv cs.LG· Zihao Ding, Jun Huang, Qiang Duan·· 15 天前AI 评分31
联邦车联网中基于运行症状发起模型消除
Initiating Removal from Operational Symptoms in Federated Vehicular Networks
AI 导读
研究人员针对车联网联邦学习中错误贡献仅表现为滞后路测症状的问题，提出聚合时模型消除方法 ATONE。该方法将日常驾驶误差与报告症状投影至全局增量子空间，通过单次反向计算完成贡献评分并实施两层校正。在 3 个驾驶数据集上，ATONE 在 9 个设置中的 8 个将残留危害较最强基线降低 43% 至 61%，效用与完全重新训练的差距保持在 0.36 点以内。
来源：arXiv cs.LG · arxiv.org