.png){kind=icon}
返回
Dynamic Split Federated Learning for resource-constrained IoT systems
.png){kind=icon}
PRE
AI
DOI：10.1016/j.comcom.2025.108275.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出了一种新颖的面向IoT系统的动态拆分联邦学习架构。
• 集成联邦学习和拆分学习，以优化在受限设备上的训练。
• 引入遗传算法，以在训练轮次期间实现高效客户端选择。
• 通过预测每个客户端的最优切割层，实现动态层训练。
• 相比基线方法，实现了更高的准确率并减少了训练开销。
Keyword:
Dynamic Split Federated Learning
Genetic Algorithm
IoT systems
Client selection
Layer optimization
期刊
IF:
4.3
论文数:
589
被引数:
1.1W
机构
引用论文
分享收藏Privacy-Preserving Machine Learning With Fully Homomorphic Encryption for Deep Neural Network.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Internet of Things intrusion Detection: Centralized, On-Device, or Federated Learning?物联网入侵检测: 集中式、设备上还是联合学习？IEEE NETWORK
IEEE NETWORKIF6.3
PREAI
分享收藏A Machine Learning Approach for Fall Detection and Daily Living Activity RecognitionIEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Deep Learning Based Systems Developed for Fall Detection: A Review基于深度学习的跌倒检测系统: 综述IEEE ACCESSOAAI
IEEE ACCESSIF3.6
OAAI分享收藏The MNIST Database of Handwritten Digit Images for Machine Learning Research [Best of the Web]用于机器学习研究的手写数字图像MNIST数据库 [Best of The Web]
PREAI
分享收藏
查看更多内容