Die Zuverlässigkeit der Teilnehmer ist eine entscheidende Herausforderung beim siloübergreifenden Federated Learning, bei dem Organisationen gemeinsam Modelle trainieren, ohne ihre Daten zu teilen. Wenn Teilnehmer während des Trainings keine Beiträge leisten, kann dies die Modellqualität und die Bewertung erheblich beeinträchtigen.
Wir freuen uns, bekannt zu geben, dass unser Artikel „Analyzing the Impact of Participant Failures in Cross-Silo Federated Learning“ von Fabian Stricker, David Bermbach und Christian Zirpins in den Proceedings der International Conference on Federated Learning Technologies and Applications (FLTA) 2025 veröffentlicht wurde – weitere Informationen finden Sie unter diesem Link.
Diese Arbeit wurde vom Bundesministerium für Bildung und Forschung (BMBF) im Rahmen des Förderprojekts 13FH587KX1 (FederatedForecasts) mitfinanziert. Wenn Sie mehr über den Artikel erfahren möchten, können Sie ihn hier lesen.
Um mehr über das Forschungsprojekt zu erfahren, besuchen Sie bitte unsere Website.