联邦学习
文章平均质量分 87
唐火
开始人工智能之路了!!!
展开
-
[联邦学习]Q-FedAvg算法&&工作原理&&步骤
Q-FedAvg(Quantile Federated Averaging)是一个在联邦学习场景中应用的算法,用于改善在数据分布不均匀的情况下模型的学习效果。在传统的联邦学习方法如FedAvg中,尽管多个客户端共同参与模型的训练,但由于各个客户端持有的数据量和质量可能差异很大,仅仅采用简单的平均策略可能导致模型偏向于数据丰富的客户端,忽略了数据稀少或多样性的客户端。Q-FedAvg试图通过更精细的权重调整来解决这一问题,以达到更加公平和高效的学习结果。原创 2024-05-28 21:16:05 · 794 阅读 · 0 评论 -
[联邦学习]FedProx算法&&工作原理&&步骤
FedProx(Federalized Proximal Algorithm)是一种在联邦学习(Federated Learning, FL)环境下设计的优化算法,旨在处理数据在不同客户端之间可能存在的不均匀分布(Non-IID Data)的问题。联邦学习是一种机器学习设置,允许多个客户端协作训练一个共享的模型,同时保持数据的隐私和安全,因为数据不需要集中存储或处理。原创 2024-05-27 18:00:37 · 1585 阅读 · 1 评论