- 博客(4)
- 收藏
- 关注
RSS订阅转载 【论文导读】- Cluster-driven Graph Federated Learning over Multiple Domains（聚类驱动的图联邦学习）
clustering联邦学习( Federation Learning，FL )是在隐私受限的场景中学习一个中心模型(即服务器)，其中数据存储在多个设备(即客户)上。中心模型不直接获取数据，只对每个客户端本地计算的参数进行更新。这就产生了一个问题，称为统计异质，因为客户可能具有不同的数据分布(即域)。聚类可以通过识别领域来降低异构性，但是它剥夺了每个集群模型的数据和其他人的监督。本文提出了一种新的聚类驱动的图联合学习( Fed CG )。
2022-12-29 09:49:01
314
原创 【算法导论】第2章 算法基础
在最坏情况下，二分查找的时间复杂度为nlgn，但元素的移动次数未改变，它依赖于待排序表的初始状态，因此总运行时间不能改进到O(nlgn)，仍然为O(n^2)。n/k个子表共需：n/k(ak^2 + bk + c) = ank + bn + nc/k = O(nk)；c. O(nk + nlgn/k) = O(nlgn)，即k
2022-12-29 09:40:34
275
原创 【算法导论】第1章 算法在计算中的作用
计算凸壳：墙面安装了520个小灯泡，以其中一些灯泡为顶点组成的凸多边形为电线线路，线路包含所有520个灯泡，找出使线路构成的凸多边形达到最小的所有灯泡。不同：最短路径问题是在已知的路线中找到两点间的最短距离；旅行商问题是返回一个点的更多路径的最短路径。8n^2 < 64nlgn 及 2^n < n^8 ，向下取整得n
2022-12-29 09:39:09
100
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人