联邦学习
文章平均质量分 94
努力搬砖的星期五
学术小白。
展开
-
联邦学习笔记 Federated Learning
文章目录背景介绍相关研究系统构架优势联邦学习的分类学习纵向联邦学习横向联邦学习联邦迁移学习联邦学习开源平台研究方向参考资料 背景介绍 联邦学习最早在 2016 年由谷歌提出,原本用于解决安卓手机终端用户在本地更新模型的问题;本质上是一种分布式机器学习技术,或机器学习框架。 联邦学习是多个参与方在保护数据隐私、满足合法合规要求的前提下继续进行机器学习,解决数据孤岛的问题。 各方数据都保留在本地,不泄露隐私也不违反法规; 多个参与者联合数据建立虚拟的共同模型,并且共同获益的体系; 在联邦学习的体系下,各个参与原创 2021-05-30 01:04:24 · 2907 阅读 · 1 评论 -
联邦学习 Federated learning Google I/O‘19 笔记
Federated Learning: Machine Learning on Decentralized data https://www.youtube.com/watch?v=89BGjQYA0uE 1. Decentralized data Edge devices can data live at the edge? On-device inference offers improved latency works offline better battery life privacy adva原创 2021-05-28 23:15:42 · 731 阅读 · 0 评论