原文:Overcoming Forgetting in Federated Learning on Non-IID Data

郑重声明:原文参见标题,如有侵权,请联系作者,将会撤销发布 以下是对本文关键部分的摘抄翻译,详情请参见原文。 NeurIPS Workshop on Federated Learning for Data Privacy and Confidentiality, Vancouver, Canada. Abstract 我们解决了非i.i.d.情况下的联邦学习问题,在这种情况下,局部模型漂移,抑制了 ...

2019-11-07 19:05 0 346 推荐指数:

查看详情

On the Convergence of FedAvg on Non-IID Data

郑重声明:原文参见标题,如有侵权,请联系作者,将会撤销发布! arXiv:1907.02189v2 [stat.ML] 8 Oct 2019 Abstract   联邦学习使得大量的边 ...

Sun Nov 17 19:59:00 CST 2019 0 839
联邦学习:按Dirichlet分布划分Non-IID样本

1 导引 我们在《Python中的随机采样和概率分布(二)》介绍了如何用Python现有的库对一个概率分布进行采样,其中的Dirichlet分布大家一定不会感到陌生,这篇博客我们来更详细地介绍Dir ...

Wed Feb 16 03:15:00 CST 2022 2 3457
联邦学习:按混合分布划分Non-IID样本

1 混合分布(Mixture Distribution)划分算法 我们在博文《联邦学习:按病态独立同分布划分Non-IID样本》中学习了联邦学习开山论文[1]中按照病态独立同分布(Pathological Non-IID)划分样本。 在上一篇博文《联邦学习:按Dirichlet分布划分 ...

Fri Mar 11 05:39:00 CST 2022 2 1891
联邦学习:按病态非独立同分布划分Non-IID样本

1 病态不独立同分布(Non-IID)划分算法 在博客《分布式机器学习、联邦学习、多智能体的区别和联系》中我们提到论文[1]联邦学习每个client具有数据不独立同分布(Non-IID)的性质。 联邦学习的论文多是用FEMNIST、CIFAR10、Shakespare、Synthetic ...

Thu Dec 02 06:47:00 CST 2021 3 2010
联邦学习(Federated learning

1.communication-efficient algorithms parallel gradient descent Federated Averaging Algorithm 比较 (epoch相当于计算量) 结论:FedAvg减少了通信量,增加了计算量 ...

Thu Mar 12 23:27:00 CST 2020 0 1448
初识 Federated Learning

背景 设备中有很多数据,可以用来训练模型提高用户体验。但是数据通常是敏感或者庞大的。 隐私问题 数据孤岛:每个公司都有数据,淘宝有你的购买记录,银行有你的资金状况,它们 ...

Mon Jun 15 20:53:00 CST 2020 0 966
 
粤ICP备18138465号  © 2018-2025 CODEPRJ.COM