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 ...
原文：Federated Learning: Challenges, Methods, and Future Directions
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: . v cs.LG Aug Abstract 联邦学习包括通过远程设备或孤立的数据中心 如移动电话或医院 训练统计模型，同时保持数据本地化。在异构和潜在的大规模网络中进行训练带来了新的挑战，这些挑战的要求从根本上偏离了大规模机器学习 分布式优化和隐私保护数据分析的标准方法。在这篇文章中，我们讨论了联邦学习的独特特点和挑战，对 ...
2019-11-17 10:53 0 1408 推荐指数：
相关推荐
联邦学习（Federated Learning）
原文链接：https://blog.csdn.net/cao812755156/article/details/89598410 https://zhuanlan.zhihu.com/p/79284686 联邦学习简介 联邦学习（Federated Learning）是一种新兴的人工智能基础 ...
Federated Learning with Matched Averaging
挖个坑吧，督促自己仔细看一遍论文（ICLR 2020），看看自己什么时候也能中上那么一篇（流口水）~ 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！ Abstract 联 ...
联邦学习（Federated Learning）
联邦学习简介 联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算 ...
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 ...
Federated Learning with Matched Averaging
本文提出了联邦匹配平均（FedMA）算法。FedMA通过对提取到的具有相似特征的隐元素（即卷积层的通道，LSTM的隐状态，全连接层的神经元）进行匹配和平均，按层构建共享全局模型。FedMA训练的CNN ...
Federated Machine Learning: Concept and Applications
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！ Qiang Yang, Yang Liu, Tianjian Chen, and Yongxin Tong. 2019. Federated Machine Learning: Concept and Applications. ...
Advances and Open Problems in Federated Learning
挖个大坑，等有空了再回来填。心心念念的大综述呀（吐血三升）! 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！ 项目地址：https://github.com/open-intelligence/federated-learning-chinese 具体内容参见项目地址，欢迎 ...