【文章推荐】Optimizing Federated Learning on Non-IID Data with Reinforcement Learning 笔记

原文：Optimizing Federated Learning on Non-IID Data with Reinforcement Learning 笔记

阅读论文 Optimizing Federated Learning on Non IID Data with Reinforcement Learning 的笔记如有侵权，请联系作者，将会撤销发布。主要讲什么提出FAVOR，一个经验驱动控制的框架。智能的选择客户端设备来参与联邦学习中每一轮训练，以抵消数据非独立同分布带啊来的偏差，并提升收敛的速度。使用了deep Q learning ...

2020-09-10 23:40 0 866 推荐指数：

查看详情

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 2019 Workshop on Federated Learning for Data Privacy and Confidentiality, Vancouver ...

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 ...

Reinforcement Learning

https://www.bilibili.com/video/av9770302/?p=24 https://www.bilibili.com/video/av24724071/?p=3 http ...

【论文笔记】A survey on federated learning（综述）

A survey on federated learning Authors Chen Zhang, Yu Xie, Hang Bai, Bin Yu, Weihong Li, Yuan Gao Keywords ...

文献笔记:Deep Reinforcement Learning with Double Q-learning

该文章是针对Hado van Hasselt于2010年提出的Double Q-learning算法的进一步拓展，是结合了DQN网络后，提出的关于DQN的Double Q-learning算法。该算法主要目的是修正DQN中max项所产生的过高估计问题，所谓过高估计，在前面的博客Issues ...

论文笔记之：Deep Reinforcement Learning with Double Q-learning

Deep Reinforcement Learning with Double Q-learning Google DeepMind 　　Abstract 　　主流的 Q-learning 算法过高的估计在特定条件下的动作值。实际上，之前是不知道是否这样的过高估计是 common ...

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 ...

原文：Optimizing Federated Learning on Non-IID Data with Reinforcement Learning 笔记

相关推荐

相关标签