Rafael Pinot

La normalisation par lots fédérée améliore l'entraînement des modèles dans des environnements d'apprentissage distribués.

Un nouveau protocole améliore l'efficacité et le caractère aléatoire dans l'échantillonnage entre pairs pour les réseaux P2P.

Un aperçu des défis et des solutions de l'apprentissage fédéré pour maintenir la confidentialité des données et la précision des modèles.

Une nouvelle méthode mélange efficacité et précision dans l'apprentissage fédéré.