1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 通信/网络

基于联邦文本卷积神经网络的通信参数压缩算法研究.pdf

基于联邦文本卷积神经网络的通信参数压缩算法研究.pdf

    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

    摘要

    联邦学习作为一种分布式机器学习方法，它可以使在多个参与方在不直接共享原

    始数据的情况下协同构建全局模型。联邦学习架构可以降低集中式存储带来的资源负

    担，同时可以强化数据隐私保护机制，然而联邦学习在应用时仍存在一些瓶颈，尤其

    是在通信和计算开销方面。在使用联邦学习进行深度学习模型训练时，参与方与服务

    器之间的大规模数据传输不仅消耗大量带宽，还增加了训练所需要的时间，在网络延

    迟较高环境下通信开销问题还会严重加剧。

    针对以上问题，提出了基于深度联邦文本分类模型的剪枝算法FPrune。该算法

    您可能关注的文档

    最近下载

    文档评论（0）

    136****6583 + 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
    版权声明书
    用户编号：7043055023000005

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >