FCOM：通过表示学习的联邦协作在线监控框架
机器学习
2024-06-03 v1
摘要
在线学习在动态分配有限资源以监控大量过程方面展现出显著潜力，有效平衡了对高回报过程的利用和对不确定过程的探索。然而，大多数在线学习算法是在以下假设下设计的：1）集中式设置，需要跨过程共享数据以获得准确预测；或2）同质性假设，从去中心化数据中估计单个全局模型。为了促进从去中心化数据中对异质性过程进行在线学习，我们提出了一种联邦协作在线监控方法，该方法通过表示学习捕捉总体中固有的潜在代表性模型，并设计了一种新颖的联邦协作UCB算法，从顺序观测的去中心化数据中估计代表性模型。通过理论分析、模拟研究以及阿尔茨海默病中的去中心化认知退化监控，证明了我们方法的效率。
引用
@article{arxiv.2405.20504,
title = {FCOM: A Federated Collaborative Online Monitoring Framework via Representation Learning},
author = {Tanapol Kosolwattana and Huazheng Wang and Raed Al Kontar and Ying Lin},
journal= {arXiv preprint arXiv:2405.20504},
year = {2024}
}