Optimizing Federated Learning on Non-IID Data with Reinforcement Learning 筆記
閱讀論文 Optimizing Federated Learning on Non-IID Data with Reinforcement Learning 的筆記 如有侵權，請聯系作者，將會撤銷發布。 主要講什么 提出FAVOR，一個經驗驅動控制的框架。 智能的選擇 ...
原文：Overcoming Forgetting in Federated Learning on Non-IID Data
鄭重聲明：原文參見標題，如有侵權，請聯系作者，將會撤銷發布 以下是對本文關鍵部分的摘抄翻譯，詳情請參見原文。 NeurIPS Workshop on Federated Learning for Data Privacy and Confidentiality, Vancouver, Canada. Abstract 我們解決了非i.i.d.情況下的聯邦學習問題，在這種情況下，局部模型漂移，抑制了 ...
2019-11-07 19:05 0 346 推薦指數：
相關推薦
On the Convergence of FedAvg on Non-IID Data
鄭重聲明：原文參見標題，如有侵權，請聯系作者，將會撤銷發布！ arXiv:1907.02189v2 [stat.ML] 8 Oct 2019 Abstract 聯邦學習使得大量的邊 ...
聯邦學習：按Dirichlet分布划分Non-IID樣本
1 導引 我們在《Python中的隨機采樣和概率分布(二)》介紹了如何用Python現有的庫對一個概率分布進行采樣，其中的Dirichlet分布大家一定不會感到陌生，這篇博客我們來更詳細地介紹Dir ...
聯邦學習：按混合分布划分Non-IID樣本
1 混合分布（Mixture Distribution）划分算法 我們在博文《聯邦學習：按病態獨立同分布划分Non-IID樣本》中學習了聯邦學習開山論文[1]中按照病態獨立同分布（Pathological Non-IID）划分樣本。 在上一篇博文《聯邦學習：按Dirichlet分布划分 ...
聯邦學習：按病態非獨立同分布划分Non-IID樣本
1 病態不獨立同分布（Non-IID）划分算法 在博客《分布式機器學習、聯邦學習、多智能體的區別和聯系》中我們提到論文[1]聯邦學習每個client具有數據不獨立同分布(Non-IID)的性質。 聯邦學習的論文多是用FEMNIST、CIFAR10、Shakespare、Synthetic ...
論文---overcoming catastrophic forgetting in neural networks理解
引用於：https://blog.csdn.net/u010195841/article/details/69257897 overcoming catastrophic forgetting in neural networks 出處：2017 Jan 25 PNAS ...
聯邦學習（Federated learning）
1.communication-efficient algorithms parallel gradient descent Federated Averaging Algorithm 比較 （epoch相當於計算量） 結論：FedAvg減少了通信量，增加了計算量 ...
初識 Federated Learning
背景 設備中有很多數據，可以用來訓練模型提高用戶體驗。但是數據通常是敏感或者龐大的。 隱私問題 數據孤島：每個公司都有數據，淘寶有你的購買記錄，銀行有你的資金狀況，它們 ...