高效通信的联邦学习.pdf

1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。

摘要

联邦学习是一种分布式的机器学习框架，不同参与方能够在保证数据隐私

和安全的情况下协作训练模型。当各参与方私有数据分布接近或数据分布异构

程度低时，统联邦学习架构中为所有参与方学习到的共享全局模型，往往能

取得良好的泛化能力，但数据分布差异大时全局模型泛化能力较差。此外，由

于参与方与服务器之间需要频繁进行模型参数交互，联邦学习所需要的通信开

销庞大。针对用户数据分布极其异构的场景，个性化联邦学习架构从用户的角

度出发，为各参与方学习一系列个性化的模型，以

本账号发布文档部分来源于互联网，仅用于技术分享交流用，版权为原作者所有。 2，文档内容部分来自网络意见，与本账号立场无关。

咨询Ta 进入空间

更多 >