米兰理工大学 发布 未明确指出 数据集, 应用在 联邦学习、生存分析 领域

米兰理工大学 本次发布的数据集 未明确指出, 本论文探讨了联邦学习在生存分析中的应用，特别是通过构建异构数据集来模拟真实世界的数据分布。研究团队来自米兰理工大学，他们提出了一种基于Dirichlet分布的数据分割算法，包括数量偏斜分割和标签偏斜分割，以创建具有不同异质性水平的联邦数据集。这些数据集用于评估联邦生存模型的鲁棒性，尤其是在处理非独立同分布(non-IID)数据时的表现。数据集的创建旨在解决生存分析中数据分布不均、不完整和保密性等问题，通过联邦学习提高模型训练的质量和隐私保护。

查看未明确指出

README 内容： 

关于 米兰理工大学 , 米兰理工大学是意大利最负盛名的技术科学类大学，以其在设计和工程领域的卓越教学和研究而享誉全球。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。