1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 计算机
  5. 数据结构与算法

面向数据分布异构的个性化联邦学习方法研究与实现.pdf

面向数据分布异构的个性化联邦学习方法研究与实现.pdf

    摘要

    随着深度学习和大模型等人工智能技术取得突破性进展，数据作为新型生产要素的

    价值日益凸显。然而，数据的隐私保护和流通跨域问题已成为行业协同创新的关键瓶颈。

    联邦学习作为一种隐私计算技术，通过“数据不动模型动”的分布式范式，有效解决了

    “数据孤岛”难题。尽管如此，在复杂的现实场景中，数据通常呈现非独立同分布的特

    性。传统联邦学习方法在应对数据分布异构的挑战时，往往会面临收敛速度慢、模型漂

    移及性能下降等问题。值得注意的是，绝大多数方法训练得到的是统一的全局模型，难

    以兼顾全局协作与本地个性化的需

    您可能关注的文档

    最近下载

    文档评论（0）

    1亿VIP精品文档

    更多 >

    相关文档

    更多 >