Xinxing Xu

FedIns s'attaque aux défis de données dans l'apprentissage fédéré pour améliorer les performances des modèles.

Une nouvelle méthode améliore l'apprentissage de nouvelles classes avec moins de données.

RLPeri améliore les tests de champ visuel pour plus de rapidité et de précision.

CPT améliore la performance des modèles boîte noire sans accès direct aux paramètres internes.