Tatjana Legler

Présentation d'un outil pour évaluer les méthodes de détection d'anomalies non supervisées dans l'apprentissage fédéré.

Découvrez comment l'apprentissage fédéré améliore la détection des petits objets tout en préservant la vie privée des données.

Un aperçu des défis et des avantages d'ajouter de nouveaux clients dans l'apprentissage fédéré.

Cette étude analyse FEWS et OEWS pour améliorer la performance des modèles en fabrication.