Haozhao Wang

Un nouveau cadre pour améliorer l'apprentissage dans l'apprentissage incrémental fédéré tout en garantissant la confidentialité des données.

pFedDIL améliore l'apprentissage automatique en gardant des connaissances tout en s'adaptant à de nouvelles tâches.

Une nouvelle méthode améliore la précision des modèles vision-langage, réduisant le contenu trompeur.

Cette étude examine la fiabilité des modèles de rationalisation face aux attaques adverses.

Découvrez comment FedSSI améliore l'apprentissage machine sans oublier les connaissances passées.

FedDP améliore les prédictions de défauts logiciels tout en garantissant la confidentialité des données.

FedGIG s'attaque aux risques de confidentialité dans l'entraînement des données graphiques.