BriefGPT - AI 论文速递 · 2025-05-14T00:00:00Z Fair Federated Learning to Address Population Disparities and Data Imbalance 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了FedIDA框架，以解决医疗领域人工智能中的公平性问题。该框架结合公平性感知正则化与组条件超采样，提升了多敏感属性下的公平性，同时保持了联邦学习的收敛性。实证结果表明，FedIDA在竞争性预测性能的同时显著提高了模型的公平性。 🏷️ 标签 FedIDA 公平性 医疗人工智能 模型性能 联邦学习 阅读原文 生成长图 分享链接 已复制链接
