Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCIF: Small: Efficient and Secure Federated Structure Learning from Bad Data
Proyek riset & pengembangan

CIF: Small: Efficient and Secure Federated Structure Learning from Bad Data

Ringkasan tujuan riset

AltGDmin mengalternasikan minimisasi variabel cepat dan gradient descent variabel lambat untuk pemulihan struktur federasi yang efisien komunikasi serta tahan data Byzantine rusak.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2341359Periode tercatat 2024-06-01 sampai 2027-05-31.NSF 2341359MulaiAkhir tercatat202420282024-06-012027-05-31
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Alternating minimization dapat mahal ketika satu kelompok variabel sulit dioptimalkan. AltGDmin memakai inisialisasi cermat, meminimalkan bagian yang terdekomposisi, lalu memperbarui bagian lain dengan gradient descent. Struktur terpisah membantu privasi serta komunikasi per iterasi, sementara minimisasi menjaga peluruhan galat. Penelitian menurunkan jaminan iterasi dan sampel spesifik masalah, termasuk sensing low-rank, serta mengembangkan ketahanan Byzantine; kecepatan relatif yang dijanjikan berlaku pada kelas persoalan yang dianalisis, bukan semua optimasi.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Iowa State University
Program
Comm & Information Foundations, EPSCoR Co-Funding
Periode pendanaan tercatat
2024-06-01 → 2027-05-31

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Computing & AI Foundations

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.