1. 您所在位置：
  2. 网站首页
  3. 文档分类
  4. 学术论文
  5. 大学论文

基于知识蒸馏的联邦学习数据异质性方法研究.pdf

基于知识蒸馏的联邦学习数据异质性方法研究.pdf

    摘要

    在大数据时代，数据量的爆炸式增长推动了机器学习技术的革新。但传统的中心化

    学习范式难以有效应对隐私保护和数据安全问题。联邦学习作为一种去中心化的协作学

    习框架，使客户端无需共享原始数据即可协作训练全局模型，较好地解决了隐私泄露的

    风险。然而，数据异构性（non-IID）问题严重制约了联邦学习的性能提升，具体表现为

    本地模型在训练过程中容易遗忘本地数据分布之外的知识。

    针对联邦学习环境下的数据异构问题，本研究提出了一种新型的知识蒸馏方法，采

    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 >