News
Fed-Equilibrium 프레임워크를 통한 임상 연합 학습의 공정성 확보
Fed-Equilibrium Framework for Topological Pareto Control in Robust and Fair Clinical Federated Learning
연합 학습(FL)을 다중 센터 임상 네트워크에 배포할 때 발생하는 '지식 지배' 문제를 해결하기 위해 Fed-Equilibrium 프레임워크를 제안한다. 이 프레임워크는 전통적인 집계기와 달리 두 단계의 그래디언트 제어 캐스케이드를 활용하여 방향 일관성을 유지하고, 검증된 기여를 최적의 파레토 무릎 점으로 조절한다. 캐나다(CNODES)와 미국(SyntheticMass) 레지스트리를 통합한 이중 국가 시뮬레이션에서 검증한 결과, 소수의 미국 스포크가 데이터가 풍부한 캐나다 허브와 유사한 깊은 수렴을 달성했다.
Fed-Equilibrium은 '지식 지배'를 효과적으로 대응하여 지역 임상 표현을 희생하지 않고도 글로벌 일반화를 가능하게 한다.
원문 출처
arXiv cs.LG (머신러닝)