Neuer Algorithmus SPECIAL sichert rückwärts Lernen in federierten Systemen
In realen verteilten Lernsystemen ändern sich die Datenverteilungen ständig, während Datenschutzbestimmungen den Austausch roher Daten verbieten. Dieses Problem wird als Federated Domain‑Incremental Learning (FDIL) bezeichnet, bei dem heterogene Clients Aufgaben in sich verändernden Domänen erhalten, aber die Klassenspalte konstant bleibt.
