Jove
Visualize
お問い合わせ
JoVE
x logofacebook logolinkedin logoyoutube logo
JoVEについて
概要リーダーシップブログJoVEヘルプセンター
著者向け
出版プロセス編集委員会範囲と方針査読よくある質問投稿
図書館員向け
推薦の声購読アクセスリソース図書館諮問委員会よくある質問
研究
JoVE JournalMethods CollectionsJoVE Encyclopedia of Experimentsアーカイブ
教育
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab Manual教員リソースセンター教員サイト
利用規約
プライバシーポリシー
ポリシー

関連する概念動画

Avoidance Learning and Learned Helplessness01:14

Avoidance Learning and Learned Helplessness

2.6K
Avoidance learning and learned helplessness are critical concepts in understanding behavioral responses to negative stimuli.
Avoidance learning occurs when an organism learns that a specific behavior can prevent an unpleasant outcome. For example, a student who receives a bad grade may start studying harder to avoid future poor grades. This behavior persists even when the negative outcome is no longer present. Avoidance learning is powerful because it maintains behavior in the absence of the...
2.6K
Drug Distribution: Volume of Distribution01:25

Drug Distribution: Volume of Distribution

7.4K
The volume of distribution refers to the theoretical volume necessary to contain the entire amount of an administered drug at the same concentration observed in the blood plasma. The body's intracellular fluid compartment, which makes up two-thirds of the total body water, is contrasted with the extracellular fluid compartment—comprising plasma and interstitial fluid—that accounts for one-third. The volume of distribution can vary depending on the characteristics of the drug.
7.4K
F Distribution01:19

F Distribution

10.7K
The F distribution was named after Sir Ronald Fisher, an English statistician. The F statistic is a ratio (a fraction) with two sets of degrees of freedom; one for the numerator and one for the denominator. The F distribution is derived from the Student's t distribution. The values of the F distribution are squares of the corresponding values of the t distribution. One-Way ANOVA expands the t test for comparing more than two groups. The scope of that derivation is beyond the level of this...
10.7K
Associative Learning01:27

Associative Learning

1.3K
Associative learning is a fundamental concept in behavioral psychology, wherein a connection is established between two stimuli or events, leading to a learned response. This process is critical in understanding how behaviors are acquired and modified. Conditioning, the mechanism through which associations are formed, can be divided into two main types: classical conditioning and operant conditioning, each elucidating different aspects of associative learning.
Classical conditioning, also known...
1.3K
Purposive Learning01:22

Purposive Learning

470
E. C. Tolman emphasized the purposiveness of behavior — the idea that much of our behavior is goal-directed. For instance, employees who aim for a promotion work diligently to meet their targets. Tolman argued that when classical conditioning and operant conditioning occur, the organism acquires certain expectations. In classical conditioning, a child might fear a dog because they expect it to bite. In operant conditioning, a person might consistently work overtime because they expect a...
470
Observational Learning01:12

Observational Learning

893
Albert Bandura's observational learning, also known as imitation or modeling, occurs when a person observes and imitates another's behavior. It is a quicker process than operant conditioning. A well-known example is the Bobo doll study, where children who saw an adult acting aggressively towards the doll were more likely to act aggressively when left alone, compared to those who observed a nonaggressive adult. Many psychologists view observational learning as a form of latent learning...
893

こちらも読む

関連記事

共著者、ジャーナル、引用グラフによってこの研究に関連する記事。

並び替え
Same author

Correction: Mittelbach et al. Sensing-Assisted Secure Communications over Correlated Rayleigh Fading Channels. <i>Entropy</i> 2025, <i>27</i>, 225.

Entropy (Basel, Switzerland)·2026
Same author

Harnessing the Power of Pre-Trained Models for Efficient Semantic Communication of Text and Images.

Entropy (Basel, Switzerland)·2025
Same author

Sensing-Assisted Secure Communications over Correlated Rayleigh Fading Channels.

Entropy (Basel, Switzerland)·2025
Same journal

Research on a Regional Availability Evaluation Model for Road-Area High-Entropy Energy Based on Synergy Factors.

Entropy (Basel, Switzerland)·2026
Same journal

Atmospheric Turbulence Channel Modeling and Performance Analysis of a CO-ZP-OFDM Coherent Optical Communication System for UAV Air-to-Ground Scenarios.

Entropy (Basel, Switzerland)·2026
Same journal

Information Geometry and Asymptotic Theory for SMML Estimators.

Entropy (Basel, Switzerland)·2026
Same journal

Correlation Entropy and Power-Law Kinetics.

Entropy (Basel, Switzerland)·2026
Same journal

Research on the Contagion of Systemic Financial Risk Under the Impact of Climate Risks-From the Perspective of Complex Networks and Machine Learning.

Entropy (Basel, Switzerland)·2026
Same journal

The Statistical-Mechanical Meaning of the Wave Function of Quantum Mechanics.

Entropy (Basel, Switzerland)·2026
関連記事をすべて見る

関連する実験動画

Updated: Jan 29, 2026

Synthesis of Phase-shift Nanoemulsions with Narrow Size Distributions for Acoustic Droplet Vaporization and Bubble-enhanced Ultrasound-mediated Ablation
08:28

Synthesis of Phase-shift Nanoemulsions with Narrow Size Distributions for Acoustic Droplet Vaporization and Bubble-enhanced Ultrasound-mediated Ablation

Published on: September 13, 2012

11.6K

進化する分布シフト下での連合学習

Xuwei Tan1, Tian Xie1, Xue Zheng2

  • 1Department of Computer Science and Engineering, The Ohio State University, Columbus, OH 43210, USA.

Entropy (Basel, Switzerland)
|January 28, 2026
PubMed
まとめ
この要約は機械生成です。

連合学習（FL）モデルは、時間の経過とともに変化するクライアントデータの分布に適応できるようになりました。新しいアルゴリズムであるFedEvolveとFedEvpは、進化するパターンにもかかわらず、モデルが将来のデータに対して汎化できるようにします。

キーワード:
MLの堅牢性分散学習分布シフト連合学習

さらに関連する動画

Designing Automated, High-throughput, Continuous Cell Growth Experiments Using eVOLVER
07:26

Designing Automated, High-throughput, Continuous Cell Growth Experiments Using eVOLVER

Published on: May 19, 2019

12.8K
New Variations for Strategy Set-shifting in the Rat
09:45

New Variations for Strategy Set-shifting in the Rat

Published on: January 23, 2017

8.6K

関連する実験動画

Last Updated: Jan 29, 2026

Synthesis of Phase-shift Nanoemulsions with Narrow Size Distributions for Acoustic Droplet Vaporization and Bubble-enhanced Ultrasound-mediated Ablation
08:28

Synthesis of Phase-shift Nanoemulsions with Narrow Size Distributions for Acoustic Droplet Vaporization and Bubble-enhanced Ultrasound-mediated Ablation

Published on: September 13, 2012

11.6K
Designing Automated, High-throughput, Continuous Cell Growth Experiments Using eVOLVER
07:26

Designing Automated, High-throughput, Continuous Cell Growth Experiments Using eVOLVER

Published on: May 19, 2019

12.8K
New Variations for Strategy Set-shifting in the Rat
09:45

New Variations for Strategy Set-shifting in the Rat

Published on: January 23, 2017

8.6K

科学分野:

  • 機械学習
  • 分散システム
  • 人工知能

背景:

  • 連合学習（FL）は、生データを集中化することなく、協調的なモデルトレーニングを可能にします。
  • 既存のFL手法は、静的なクライアントデータの分布を仮定することが多く、これは非現実的です。
  • 現実世界のFLシナリオでは、トレーニングとテストの間でさえ、時間とともにクライアントデータに動的で非自明な変化が生じます。

研究 の 目的:

  • 時間とともに進化するクライアントデータでモデルをトレーニングできるFLアルゴリズムを開発すること。
  • 進化するデータ分布シフトに対するFLシステムの堅牢性を強化すること。
  • 動的なFL環境における将来のターゲットデータに対する汎化を達成すること。

主な方法:

  • 提案されたFedEvolveアルゴリズム：連続するクライアントデータドメイン間の表現遷移を学習することにより、時間的進化を明示的にモデル化します。
  • 提案されたFedEvpアルゴリズム：すべての過去のドメインからの継続的に更新されるプロトタイプと現在のデータを整列させることにより、進化するドメイン不変表現を学習します。
  • 合成データセットと実世界のデータセットの両方で広範な実験が実施されました。

主要な成果:

  • FedEvolveとFedEvpは、従来のFLベースラインと比較して大幅なパフォーマンス向上を示しました。
  • 提案されたアルゴリズムは、クライアントデータの分布における進化するパターンを効果的に捉えました。
  • これらの手法は、進化する分布シフト下での堅牢性と強力な汎化能力を示しました。

結論:

  • 提案されたFedEvolveおよびFedEvpアルゴリズムは、連合学習における動的なクライアントデータ分布の課題に正常に対処しました。
  • これらの新しいアプローチにより、FLシステムは時間的シフトにもかかわらず、将来のデータに対して効果的に汎化できます。
  • これらの発見は、現実的なFLアプリケーションにおいてデータ進化を考慮することの重要性を強調しています。