- 博客(4)
- 收藏
- 关注
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