1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 报告/分析
  5. 教育

基于博弈论的联邦学习公平性与激励机制研究.pdf

基于博弈论的联邦学习公平性与激励机制研究.pdf

此“经济”领域文档为创作者个人分享资料，不作为权威性指导和指引，仅供参考
    1. 1、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。。
    2. 2、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。
    3. 3、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

    摘摘摘要要要

    作为分布式机器学习技术的代表,联邦学习(FL)为隐私保护与“数据孤岛”问题提

    供了解决方案.在FL中,移动设备只需要下载由服务器共享的全局模型并在本地进行

    迭代训练,而无需上传其敏感数据,实现了数据的“可用但不可见”.然而,在实际应用中,

    不公平的管理策略以及不合理的激励机制会阻碍移动设备投身于FL的积极性并严重

    影响FL系统效率.针对上述问题,本文借助博弈论中的不屈(UB)策略来分析如何解决

    FL中的公平性问题,然后,本文还

    您可能关注的文档

    最近下载

    文档评论（0）

    qiutianfeng + 关注
    实名认证
    内容提供者

    本账号发布文档来源于互联网，仅用于技术分享交流用，版权为原作者所有。

    咨询Ta 进入空间

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >