摘要
随着人工智能技术的蓬勃发展,终端设备产生的数据规模快速增长,如何在确保用
户隐私安全的同时挖掘海量数据价值成为当下研究热点。联邦学习能够在维护数据隐私
安全的前提下,充分利用分布式环境中的数据资源进行模型训练,因而备受关注。但是
在现实应用场景中,由于客户端偏好不同导致不同客户端采集的本地数据分布差异性较
大,进而影响模型训练效果,限制了联邦学习的进一步发展。
针对目前存在的问题,本文提出了面向非独立同分布数据的分布式集成学习方法
DistributedEnsembleClass
您可能关注的文档
最近下载
- FXN3B机车操作及应急手册.doc VIP
- 《国家基层高血压防治管理指南2025版》.docx VIP
- FXN3B节能环保型调车内燃机车介绍-总体.pptx VIP
- FXN3B机车总体性能介绍.pdf VIP
- 华为客户接待流程.pptx VIP
- LY_T 3318-2022 草原生态建设工程效益监测评价技术规范.docx VIP
- APL-sample 应用物理快报投稿模板.docx VIP
- Linux操作系统应用(麒麟系统)PPT完整全套教学课件.pptx VIP
- 提高住院患者大小便标本送检率PDCA.pptx VIP
- 2026年春期人教版四年级下册数学 第三单元 运算律 核心素养教案.docx
原创力文档

文档评论(0)