BriefGPT - AI 论文速递
·
Algorithmic Fairness in Federated Learning
💡
原文英文，约100词，阅读约需1分钟。
📝
内容提要
本研究提出AFed框架，旨在解决联邦学习中的公平性问题，尤其是在缺乏集中数据的情况下。通过AFed-G和AFed-GAN方法生成样本，实验结果表明AFed显著提升了模型的公平性表现。
🎯
关键要点
- 本研究提出AFed框架，旨在解决联邦学习中的公平性问题。
- AFed框架特别关注在缺乏集中数据的情况下的公平性。
- AFed框架包括AFed-G和AFed-GAN两种方法，用于生成样本以消除偏见。
- 实验结果表明，AFed在多个实际数据集上显著提升了模型的公平性表现。
➡️
