联邦学习
文章平均质量分 78
联邦文献笔记
bu volcano
跳脱大众思维,认知决定格局
展开
-
Meta-HAR: Federated Representation Learning for Human Activity Recognition
目录一、Title1.1前言:一、Title1.1前言:原创 2022-02-13 22:51:58 · 2027 阅读 · 0 评论 -
具有概率节点选择的FL(FedPNS)
目录一、Title二、引言:三、模型一、Title二、引言:联邦学习(FL)是一种分布式学习范式,它允许大量资源有限的节点在没有数据共享的情况下协同训练模型。非独立和同分布的(non-i.i.d.)数据样本调用了全局目标和局部目标之间的差异,使得FL模型的收敛速度较慢。在本文中,我们提出了最优聚合算法,该算法通过检查局部梯度和全局梯度之间的关系,通过识别和排除不利的局部更新,找出每个全局回合中参与节点的局部更新的最优子集。然后,我们提出了一个概率节点选择框架(FedPNS),根据最优聚合的输出,动态原创 2022-03-19 14:06:33 · 1196 阅读 · 0 评论