H11-M33.zip
根據資料集摘要
聯邦式學習分類模型。聯邦式學習不同 client 端蒐集的資料往往有不同的資料分布，各個client使用各自私有資料更新model時，常會遺忘從其他 client 學習到的知識。本方法引入具持續性學習性質的prototype，紀錄不同 class 的特徵分布，引導client 訓練model 時不要遺忘從其他 client 學習過的資訊，提升聯邦式學習效能。
其他資訊
| 欄位 | 值 |
|---|---|
| 最後更新資料 | 九月 30, 2025 |
| 最後更新的詮釋資料 | 九月 30, 2025 |
| 建立 | 九月 30, 2025 |
| 格式 | application/zip |
| 共享範圍/授權 | Other (Non-Commercial) |
| created | 1 個月前 |
| format | ZIP |
| id | 1826846a-14e8-47d4-99db-96d570ba79a0 |
| last modified | 1 個月前 |
| md5 | 4d15fc1188254555f7eec14ddc266215 |
| mimetype | application/zip |
| on same domain | True |
| package id | bf35d98c-13db-4944-a71f-a3471973fa89 |
| proxy url | https://scidm.nchc.org.tw/zh_TW/dataset/bf35d98c-13db-4944-a71f-a3471973fa89/resource/1826846a-14e8-47d4-99db-96d570ba79a0/nchcproxy/H11-M33.zip |
| revision id | 1e94a0d0-f53b-4fe3-97b2-db5fd87bc8d9 |
| sha256 | ac8670f27772590cb9af66389455f972bf1dfbec103fc23d90fc4ccc5293a129 |
| size | 288.1 KiB |
| state | active |
| url type | upload |
推薦資料集：