Haozhao Wang

データプライバシーを守りながらFederated Incremental Learningの学習を改善する新しいフレームワーク。

pFedDILは、新しいタスクに適応しながら知識を保持することで、機械学習を改善するんだ。

新しい手法が視覚と言語モデルの精度を向上させ、誤解を招くコンテンツを減らしてるよ。

この研究は、対立攻撃の下での合理化モデルの信頼性を調べてる。

FedSSIが過去の知識を忘れずに機械学習をどう改善するかを発見しよう。

FedDPは、データプライバシーを守りながらソフトウェアの欠陥予測を改善する。

FedGIGはグラフデータのトレーニングにおけるプライバシーリスクに取り組んでるよ。