基于随机配置网络的联邦学习.pdf

摘要

随着人工智能与大数据技术的迅速发展,数据隐私和安全问题日益严峻。

联邦学习作为新兴的分布式学习范式,使数据在本地存储的同时实现共享与隐

私保护,缓解了大数据困境。然而,传统联邦学习基于梯度方法,存在收敛慢、

易陷入局部极小点和对初始参数敏感等缺陷。随机配置网络(Stochastic

ConfigurationNetworks,SCNs)是一种增量式构建的随机学习模型,因其结构紧

凑、训练效率高而被引入联邦学习场景中,构成联邦随机配置网络(Federated

StochasticC

文档评论(0)

1亿VIP精品文档

相关文档