दैनिक अर्क्सिव

यह पेज दुनियाभर में प्रकाशित होने वाले आर्टिफिशियल इंटेलिजेंस संबंधित रिसर्च पेपर्स को संक्षिप्त रूप में प्रस्तुत करता है।
यहां Google Gemini का उपयोग करके पेपर्स का सारांश तैयार किया जाता है और यह पेज गैर-लाभकारी रूप से संचालित किया जाता है।
पेपर के कॉपीराइट लेखक और संबंधित संस्थान के पास हैं, और साझा करते समय बस स्रोत का उल्लेख करें।

वक्रता-संरेखित संघीय शिक्षा (CAFe): जनसांख्यिकी के बिना निष्पक्षता के लिए हानि परिदृश्यों का सामंजस्य

Created by
  • Haebom

लेखक

शैली रॉय, हर्षित शर्मा, आसिफ सालेकिन

रूपरेखा

यह शोधपत्र फ़ेडरेटेड लर्निंग (FL) में गोपनीयता बनाए रखते हुए निष्पक्षता प्राप्त करने के लिए एक नवीन दृष्टिकोण प्रस्तुत करता है, जिसे वक्रता-संरेखित फ़ेडरेटेड लर्निंग (CAFe) कहा जाता है। संवेदनशील विशेषता जानकारी पर निर्भर मौजूदा FL निष्पक्षता विधियों के विपरीत, CAFe संवेदनशील विशेषता जानकारी के बिना निष्पक्षता प्राप्त करने के लिए "जनसांख्यिकी रहित निष्पक्षता (FWD)" की अवधारणा प्रस्तुत करता है। CAFe, स्थानीय लर्निंग के दौरान हानि भू-भाग वक्रता नियमन और क्लाइंट्स के बीच हानि भू-भाग तीक्ष्णता-जागरूक एकत्रीकरण के माध्यम से क्लाइंट्स के भीतर और उनके बीच वक्रता को संरेखित करता है ताकि निष्पक्षता और प्रदर्शन के बीच संतुलन को बेहतर बनाया जा सके। हम विभिन्न वास्तविक-विश्व डेटासेट और संसाधन-सीमित उपकरणों के साथ एक वास्तविक FL परिनियोजन परिवेश में प्रयोगों के माध्यम से CAFe की प्रभावशीलता और व्यावहारिकता की पुष्टि करते हैं।

Takeaways, Limitations

Takeaways:
हम संवेदनशील विशेषता जानकारी के बिना संघीय शिक्षा में निष्पक्षता प्राप्त करने के लिए एक नवीन विधि (CAFe) प्रस्तुत करते हैं।
अंतर-ग्राहक असंतुलन को दूर करने के लिए हानि भू-क्षेत्र वक्रता का लाभ उठाकर निष्पक्षता में सुधार करें।
हम वास्तविक दुनिया के डेटासेट और वास्तविक FL परिनियोजन वातावरण पर प्रयोगों के माध्यम से इसकी प्रभावशीलता और व्यावहारिकता को सत्यापित करते हैं।
विभिन्न प्रणालीगत कारकों (डेटा वॉल्यूम, क्लाइंट नमूनाकरण, संचार ओवरहेड, संसाधन लागत, निष्पादन समय प्रदर्शन) पर संवेदनशीलता विश्लेषण करें।
Limitations:
CAFe का प्रदर्शन और निष्पक्षता सुधार डेटासेट या वातावरण के आधार पर भिन्न हो सकता है।
वास्तविक कार्यान्वयन और अनुप्रयोग में अतिरिक्त कम्प्यूटेशनल लागत और जटिलता उत्पन्न हो सकती है।
यह केवल कुछ प्रकार के पूर्वाग्रहों के विरुद्ध ही प्रभावी हो सकता है, तथा विभिन्न प्रकार के पूर्वाग्रहों पर इसकी सामान्यता पर और अधिक शोध की आवश्यकता है।
👍