Scifaro

中文

STFL：一种面向图神经网络的时空联邦学习框架

机器学习 2022-01-12 v2 人工智能

作者: Guannan Lou , Yuze Liu , Tiehua Zhang , Xi Zheng

在 arXiv 上查看 ↗ PDF ↗

摘要

我们提出了一种面向图神经网络的时空联邦学习框架，即STFL。该框架探究输入时空数据的底层关联，并将其转化为节点特征与邻接矩阵。框架中的联邦学习设置确保了数据隐私，同时实现了良好的模型泛化。在睡眠分期数据集ISRUC_S3上的实验结果说明了STFL在图预测任务上的有效性。

关键词

联邦学习图神经网络时空数据节点特征邻接矩阵数据隐私图预测

引用

@article{arxiv.2111.06750,
  title  = {STFL: A Temporal-Spatial Federated Learning Framework for Graph Neural Networks},
  author = {Guannan Lou and Yuze Liu and Tiehua Zhang and Xi Zheng},
  journal= {arXiv preprint arXiv:2111.06750},
  year   = {2022}
}