新论文提出纵向联邦学习跨客户端时间建模框架

Ayse Tursucular 等作者发布了一篇 arXiv 论文，提出一种纵向联邦学习框架，用于学习跨客户端的一步时序依赖关系。 该框架的设定是客户端模型固定且不可重新训练、客户端之间不共享原始数据。论文摘要称，其方法在客户端模型不可重训、原始数据不可共享的约束下学习这些依赖关系。 论文目前为 arXiv 预印本，标注为 cs.LG 机器学习分类，所提框架的性能与可解释性效果尚未在报道中给出实证结果。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。