04:12官方账号arXiv cs.LG@Fan Yang, Madelyn Weller, Dimuthu Fernando, Hila Livneh, Yuxin Wen该论文提出联邦纵贯生存建模框架,结合纵贯传感器表征学习和客户端可分离离散时间风险目标。在4个C-MAPSS涡扇发动机退化子集上模拟分散训练,结果显示协同训练比孤立本地训练性能一致提升。该方法无需共享原始传感器数据或失效记录,且性能接近集中训练。论文C-MAPSS联邦学习故障预测推荐理由:这篇论文提出了联邦学习框架,让不同机构在不共享数据的情况下一起训练故障预测模型,效果和集中训练差不多,挺实用的。原文稍后读已读值得跟进有用关注 C-MAPSS