InFL-UX：面向基于浏览器的交互式联邦学习的工具包
机器学习
2025-05-13 v2 人机交互
摘要
本文提出了 InFL-UX，一个交互式的、概念验证型的基于浏览器的联邦学习（FL）工具包，旨在将用户贡献无缝集成到机器学习（ML）工作流中。InFL-UX 使多台设备上的用户能够上传数据集、定义类别，并使用现代 Web 技术直接在浏览器中协作训练分类模型。与传统 FL 工具包通常侧重后端模拟不同，InFL-UX 为研究人员提供了一个简洁的用户界面，以探索用户在真实、交互式环境中如何与 FL 系统互动并做出贡献。通过优先考虑可用性和去中心化模型训练，InFL-UX 弥合了 FL 与交互式机器学习（IML）之间的差距，使非技术用户能够积极参与 ML 分类任务。
引用
@article{arxiv.2503.04318,
title = {InFL-UX: A Toolkit for Web-Based Interactive Federated Learning},
author = {Tim Maurer and Abdulrahman Mohamed Selim and Hasan Md Tusfiqur Alam and Matthias Eiletz and Michael Barz and Daniel Sonntag},
journal= {arXiv preprint arXiv:2503.04318},
year = {2025}
}
备注
Accepted in the 17th ACM SIGCHI Symposium on Engineering Interactive Computing Systems (EICS 2025)