联邦倾斜标签学习与逻辑融合
原文中文,约200字,阅读约需1分钟。
📝
内容提要
FedIIC是一种隐私保护框架,通过特征提取器的校准来缓解训练造成的偏差,并使用逻辑调整构造softmax交叉熵损失以确保平衡决策边界。实验结果显示,FedIIC在处理耦合问题时具有更优越的性能。
🎯
关键要点
-
FedIIC是一种隐私保护框架。
-
FedIIC通过类内对比学习和类间对比学习进行特征提取器的校准。
-
该框架缓解了训练造成的偏差。
-
使用逻辑调整构造softmax交叉熵损失以确保平衡决策边界。
-
实验结果表明,FedIIC在处理耦合问题时具有更优越的性能。