Modelos de Lenguaje Grandes Federados: Avances y Futuro
Descubre cómo el aprendizaje federado permite entrenar grandes modelos de lenguaje preservando la privacidad. Exploramos avances, retos y direcciones futuras en FedLLM.
#federado
Aprendizaje Federado con Dispositivos Dinámicos: Algoritmo de Inicialización
Optimiza el aprendizaje federado con dispositivos dinámicos. Nuestro algoritmo de inicialización acelera la convergencia y reduce el consumo energético.
HASA: Asignación de subredes para aprendizaje federado heterogéneo
Descubre cómo HASA mejora la precisión media y de peores clientes en aprendizaje federado heterogéneo con restricciones de cómputo.
Aprendizaje federado semidescentralizado sin servidor con optimizadores variados
Descubre SSD-FL: aprendizaje federado semidescentralizado sin servidores que mejora convergencia y eficiencia con optimizadores heterogéneos.
Modelos Fundacionales Federados en Redes Vehiculares
Descubre cómo los modelos fundamentales federados (FedFMs) transforman las redes vehiculares, combinando potencia de IA y privacidad. Caso práctico con Waymo.
Modelos Fundacionales Federados en Redes Vehiculares
Los Modelos Fundacionales Federados impulsan la próxima inteligencia vehicular. Aprende sobre sus aplicaciones, desafíos y un caso práctico con Waymo en esta visión pionera.
Importancia de múltiples semillas de entrenamiento en desaprendizaje automático
Descubre por qué usar múltiples semillas de entrenamiento es crucial para evaluar correctamente el desaprendizaje automático. No te fíes de una sola semilla.
HyperLoRA: Amortizando la adaptación federada de modelos fundacionales
HyperLoRA elimina sesgos de agregación y retrasos en inicialización, logrando convergencia más rápida y personalización robusta en modelos fundacionales.
Synapse: Enrutamiento Federado de Herramientas con Compendios Tipados
Con Synapse, enruta herramientas federadas entre LLMs heterogéneos sin compartir datos, con privacidad diferencial y precisión casi sin pérdida.
Evaluación federada asíncrona con similitud de estrategias para IBN en IIoT
Descubre cómo FEIBN combina LLMs y aprendizaje federado para evaluar estrategias en IIoT, reduciendo costes y mejorando eficiencia.
Inteligencia de Amenazas Cognitiva y Análisis Federado Explicable
Descubre cómo la inteligencia de amenazas cognitiva y el aprendizaje federado explicable protegen infraestructuras distribuidas sin comprometer la privacidad.
Atribución de características fiable y completa vía dominio de la frecuencia
Descubre FreqX: método de interpretabilidad para aprendizaje federado que ofrece atribución y conceptos usando señales y teoría de la información. 10x más rápido.
Atribución fiable e integral para múltiples modalidades mediante frecuencia
FreqX ofrece atribución fiable y rápida con información conceptual para modelos diversos en aprendizaje federado. ¡Más de 10 veces más rápido!
Privacidad Diferencial y Topología en Aprendizaje Federado
Descubre cómo TADI y Fulcrum protegen la privacidad en aprendizaje federado frente a filtraciones por topología. Mejora la seguridad sin coste en utilidad.
Personaliza el inicio de sesión federado con nuevo trigger Lambda de Cognito
Personaliza el inicio de sesión federado con el nuevo trigger Lambda de Cognito. Filtra grupos y vincula cuentas automáticamente.
Optimización convexa estocástica descentralizada casi óptima en redes
Nuevo método descentralizado acelera la optimización convexa estocástica, logrando la tasa centralizada con más trabajadores. ¡Mejora el escalamiento en redes!
Algoritmo EM descentralizado con datos heterogéneos y etiquetado parcial
El algoritmo MNEM elimina el sesgo en mezclas gaussianas con datos heterogéneos y etiquetado parcial. Ideal para aprendizaje federado descentralizado.
Predicción Temprana de Sepsis Multicéntrica: Aprendizaje Federado con Privacidad
Descubre cómo el aprendizaje federado predice sepsis en múltiples centros sin comprometer la privacidad. Estudio real con 648 pacientes.
TITAN-FedAnil+: Aprendizaje federado adaptativo y blockchain para empresas
TITAN-FedAnil+ revoluciona el aprendizaje federado con blockchain, ahorrando hasta 81% de memoria en dispositivos edge. Ideal para entornos empresariales.
scBatchProx: Refinamiento federado para estabilidad de tipos celulares
Descubre scBatchProx, un método de refinamiento ligero inspirado en federated learning que estabiliza embeddings de células individuales y mejora la clasificaci