PerFL: A Personalized Privacy-Enhanced Federated Learning Approach for Vehicle Dynamics Prediction
Hyväksytty
Luokittelutiedot
OKM-julkaisutyyppi
A1 Alkuperäisartikkeli tieteellisessä aikakauslehdessä (vertaisarvioitu)
Julkaisun muoto
Artikkeli
Kohderyhmä
Tieteellinen
Vertaisarvioitu
Vertaisarvioitu
Artikkelityyppi
Alkuperäisartikkeli
Emojulkaisun tyyppi
Lehti
Julkaisukanavan tiedot
Lehden/sarjan nimi
IEEE internet of things journal
ISSN-E (elektroninen)
2327-4662
ISSN-L (linking)
2327-4662
Kustantaja
IEEE
Julkaisun JUFO ID
80232
Julkaisun JUFO-taso
2
Julkaisu on FT-listalla
Ei
Julkaisun SNIP-taso
2.19
Julkaisumaa
Yhdysvallat (USA)
Kansainvälisyys
Kyllä
Julkaisun tarkemmat tiedot
Julkaisuvuosi
2026
Ilmoitusvuosi
2026
DOI
10.1109/jiot.2026.3726668
Julkaisukieli
englanti
Yhteisjulkaisutiedot
Kansainvälinen yhteisjulkaisu
Kyllä
Yhteisjulkaisu yrityksen kanssa
Ei
Saatavuustiedot
Verkkojulkaisun linkki
Linkki rinnakkaistallenteeseen
Luokitukset ja lisätiedot
OKM-tieteenalaluokitus
113 Tietojenkäsittely ja informaatiotieteet
Avainsanat
Vehicle Dynamics Prediction; Privacy Protection; Local Differential Privacy; Gated Recurrent Unit; Double Deep Q-Network; Modeling; Privacy; Vehicles; Sensitivity; Training; Accuracy; Silicon; Noise; Federated learning; Algorithms
Rahoittajatiedot
Rahoitustiedot julkaisussa
This work was supported in part by the National Key Research and Development Program of China under Grant 2024YFC3306900, and in part by NordForsk Nordic University Cooperation on Edge Intelligence (Grant No.168043).
Rahoittajat
Rahoittaja
NordForsk
Rahoituksen nimi
-
Rahoituspäätös
168043