Chao Huang

FedUV améliore les performances des modèles en apprentissage fédéré sur des données non-IID.

Les algorithmes de consensus mode simplifient l'accord dans les systèmes multi-agents de manière efficace.

Présentation d'une nouvelle approche pour apprendre sur les zones géographiques et leurs connexions.

Une nouvelle méthode améliore les recommandations pour les utilisateurs en filtrant les connexions sociales.

Une nouvelle méthode améliore la création de sons pour des modèles humains 3D réalistes.

Une nouvelle méthode aide les robots à apprendre efficacement malgré les retards.

Apprends comment le Split Federated Learning garde les données en sécurité tout en entraînant des modèles intelligents.