1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 数据结构与算法
网站大量收购闲置独家精品文档，联系QQ：2885784924

面向数据异构的联邦学习性能与通信优化研究和应用.pdf

面向数据异构的联邦学习性能与通信优化研究和应用.pdf

    1. 1、本文档共63页，其中可免费阅读20页，需付费100金币后方可阅读剩余内容。
    2. 2、本文档内容版权归属内容提供方，所产生的收益全部归内容提供方所有。如果您对本文有版权争议，可选择认领，认领后既往收益都归您。
    3. 3、本文档由用户上传，本站不保证质量和数量令人满意，可能有诸多瑕疵，付费之前，请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形，可联系本站下载客服投诉处理。
    4. 4、文档侵权举报电话：400-050-0827(电话支持时间：9:00-18:30)。
    查看更多

    摘要

    联邦学习是一种基于隐私保护的分布式机器学习框架，可以在不共享原始数据的情

    况下完成数据价值的交换，构建泛化的人工智能模型，在规模庞大的物联网场景中发挥

    着重要价值。但在实际应用中，由于物联网设备所属地理位置分布广，采集偏好不同，

    各客户端数据明显呈非独立同分布状态。在数据异构影响下，联邦学习在训练阶段受到

    表征维度坍缩的限制，导致模型效果急剧下降，同时系统通信成本大幅度提升。现阶段

    针对数据异构场景的联邦学习优化算法，大多数在改进的同时附加了较高的计算成本，

    无法推广到算力有限的物联网应用中。

    您可能关注的文档

    最近下载

    文档评论（0）

    dongbuzhihui + 关注
    实名认证
    内容提供者

    该用户很懒，什么也没介绍

    咨询Ta 进入空间

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >