FedAvgIm：原始数据不出本地的多站点阻抗辨识框架
热点事件持续更新
FedAvgIm：原始数据不出本地的多站点阻抗辨识框架
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Quang Manh Hoang 等提出 FedAvgIm 联邦学习框架，用于多站点逆变器型资源（IBR）的 dq 导纳辨识：各站点用少量运行点-频率样本在本地训练前馈神经网络，只把模型参数上传云端聚合器；聚合器按样本量加权执行 FedAvg，更新全局模型后回传各站点，原始数据不出本地。 该框架针对本地数据严重不足的场景，论文给出的实验中每个客户端仅有 40–390 个训练样本。上述为论文提出的方法与设定，尚未见独立验证其辨识精度的报道。
AI 根据报道生成 · 3 小时前更新
最新进展10月26日 23:50
FedAvgIm：面向逆变器型资源多站点阻抗辨识的联邦学习框架报道时间线
沿着报道，了解事件的不同侧面。
10月26日
- arXiv 隐私论文FedAvgIm：面向逆变器型资源多站点阻抗辨识的联邦学习框架
论文提出 FedAvgIm，一个在原始数据不出本地约束下进行多站点 dq 导纳辨识的联邦学习框架，各 IBR 站点仅向云端聚合器共享模型参数，由后者按样本量加权执行 FedAvg 更新全局模型并回传。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 710月27日 14:00
- 近 24 小时变化
- –
02468
14:0015:0016:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。