聯邦學習中的隱私研究
當今的AI仍然面臨兩個主要挑戰： 一是在大多數行業中，數據以孤立的孤島形式存在。 另一個是加強數據隱私和安全性。 我們為這些挑戰提出了一種可能的解決方案：安全的聯邦學習。 聯邦學習是一種新興的機器學習方案。與傳統的集中式機器學習不同，聯邦學習通過將訓練任務下放到用戶側，僅將訓練 ...
原文：聯邦學習論文研究（基於卷積神經網絡的聯邦學習算法研究）
聯邦學習綜述 三大研究方向：聯邦優化算法 通信開銷和隱私保護。 聯邦優化算法：非獨立同分布且不平衡的隱私性數據，數據集分布在不同的客戶端上且不可以直接獲取，客戶端本身特征導致數據非獨立同分布性。客戶數量的分布，在聯邦優化算法中可能需要面對成千上百的客戶端參與。 通信效率：在實際的場景應用中，客戶端往往會受到通信帶寬以及能量資源等的限制。這種場景中，聯邦學習算法設計應該考慮到在有效的帶寬資源下實現 ...
2021-10-28 11:46 0 1923 推薦指數：
相關推薦
聯邦學習論文研究（FedBoost: Communication-Efficient Algorithms for Federated Learning）
主要內容： 不同於梯度壓縮和模型壓縮，FedBoost集成學習算法，能夠降低服務器到客戶端 和客戶端到服務器的通信成本，提高通信效率。 集成學習：集成學習(ensemble learning)原理詳解_春華秋實-CSDN博客_集成學習 主要優點： 1. ...
聯邦學習論文研究（FedML: A Research Library and Benchmark for Federated Machine Learning）
主要內容： 該篇論文提出了一個聯邦學習框架——FedML，該框架支持三種計算范式： on-device training for edge devices distributed computing single-machine simulation 強調聯邦 ...
卷積神經網絡學習
Part 1 視頻學習心得及問題總結 通過對視頻的學習，了解了卷積神經網絡整體的內容和一些思想，卷積神經網絡主要包括卷積，池化，激活函數，損失函數等部分，通過不同的卷積核對數據進行不同的提取，池化對提取的數據進行收縮，減小數據的規模，可能是之前的視頻學習沒看明白，不太理解激活的函數的作用 ...
聯邦學習
視頻：鏈接 介紹 聯邦學習是一種不需要收集各數據擁有方所有的數據，便能協作地訓練一個模型的機器學習過程 旨在建立一個基於分散數據集的聯邦機器學習模型。在模型訓練過程中，隱私數據不離開本地，各方僅交換模型相關的信息或加密的數據，已訓練好的聯邦學習模型可以置於聯邦學習系統的各參與方，也可以在多方 ...
聯邦學習
聯邦學習（Federated Learning） from： https://blog.csdn.net/cao812755156/article/details/89598410 聯邦學習 ...
聯邦學習之縱向聯邦學習
...
聯邦學習中的優化算法
1 導引 聯邦學習做為一種特殊的分布式機器學習，仍然面臨着分布式機器學習中存在的問題，那就是設計分布式的優化算法。 以分布式機器學習中常采用的client-server架構（同步）為例，我們常常會將各client節點計算好的局部梯度收集到server節點進行求和，然后再根據這個總梯度進行權重 ...