Ruixuan Li

Nuevos métodos mejoran el aprendizaje de grafos a través de técnicas de enmascaramiento de ancho de banda no discreto.

Un nuevo marco para mejorar el aprendizaje en el Aprendizaje Incremental Federado mientras se garantiza la privacidad de los datos.

pFedDIL mejora el aprendizaje automático al retener conocimiento mientras se adapta a nuevas tareas.

Este estudio examina la fiabilidad de los modelos de racionalización ante ataques adversariales.

Descubre cómo FedSSI mejora el aprendizaje automático sin olvidar el conocimiento pasado.

FedGIG aborda los riesgos de privacidad en el entrenamiento de datos gráficos.

Descubre cómo DAMIM mejora la comprensión de imágenes en el aprendizaje automático.