摘要众包信息可用于校准自动和自动驾驶汽车的高级驾驶员辅助系统/自动驾驶(ADAS/AD)参数。但是,在车辆网络中学习此类信息是具有挑战性的。一方面,单个车辆收集的数据可能不足以训练大型机器学习模型。另一方面,将原始数据上传到云服务器同样是不切实际的,这是由于符合通信的带宽要求和数据隐私威胁。本文通过应用联合学习(FL)寻求解决方案。我们旨在提高FL算法稳定性以提高预测准确性。因此,我们提出了一种基于方差的和结构感知的FL(VSFL),其中引入了FL服务器的基于方差的模型聚合方法,以进行最佳模型聚合,并为车辆客户提供了一个结构性模型培训方案,以解决统计异质性,而不会损害性能。我们首先为拟议的VSFL提供了理论分析。然后,我们使用合成数据和实际数据验证VSFL算法对车辆轨迹预测的效果。
WT1-树突状细胞疫苗治疗从第155天开始,共注射8剂,直至第280天。通过测量迟发型超敏反应(DTH)的大小来确定对WT1抗原的细胞免疫反应强度。为了测量DTH,将0.1毫升WT1抗原皮内注射到前臂掌侧中心。该注射与WT1-DC腹股沟注射同一天进行。计算皮肤红斑长径和短径的平均值。第四次至第八次注射的DTH平均直径为74.3毫米。DTH的平均直径直到第三次注射才达到60毫米,但从第四次注射开始,它就超过了60毫米,第四次至第八次注射后的平均DTH为74.3毫米。