![](https://img-blog.csdnimg.cn/20190918135101160.png?x-oss-process=image/resize,m_fixed,h_224,w_224)
研一下
文章平均质量分 91
研一下文献阅读笔记
Dataer__
这个作者很懒,什么都没留下…
展开
-
10. Federated learning with hierarchical clustering of local updates to improve training on non-IID
Federated learning with hierarchical clustering of local updates to improve training on non-IID data;一次性聚类;簇间不共享;层次聚类原创 2023-04-29 23:42:25 · 630 阅读 · 7 评论 -
9. Robust Federated Learning in a Heterogeneous Environment
Robust Federated Learning in a Heterogeneous Environment;一次性聚类;簇间不共享;原创 2023-04-29 23:38:11 · 244 阅读 · 0 评论 -
8. An Efficient Framework for Clustered Federated Learning
An Efficient Framework for Clustered Federated Learning;迭代式聚类;簇间共享;原创 2023-04-29 23:35:36 · 913 阅读 · 0 评论 -
7. 基于数据分布的聚类联邦学习_常黎明
文章在解决什么问题?传统的联邦学习应用到非独立同分布数据上时,模型精度较低。实验证明,当联邦学习的各节点的数据分布差异过大时,训练出来的模型精度会大大降低。用了什么方法 (创新方法)?提出聚类联邦学习框架 FedDK:先将用户分入不同的聚簇,然后为每一个聚簇训练一个模型。该方法面临的挑战是,用户的聚类标识未知。标识每个用户的集群成员关系在分布式条件下优化每一个聚类模型解决以上两个问题的思路:1)使用 DeepSets 对工作节点的本地数据进行特征提取,生成一个代表本地数据分布的特征描述符。原创 2023-04-09 14:02:01 · 2136 阅读 · 0 评论 -
6. FederBoost - Private Federated Learning for GBDT
我们进一步利用 bucketization and differential privacy 来保护样本的顺序:参与者将一个特征的排序样本划分为桶,这只揭示了桶的顺序;并为每个桶添加不同的噪声。 在 vertical FederBoost 中,让持有标签的参与者从其他参与者那里收集样本的顺序就可以 实现 与集中式学习完全相同的方式来运行 GBDT训练算法。是通过迭代地将局部训练的模型聚合为一个联合的全局模型,将深度神经网络的模型训练过程分布到多个参与者。只知道桶的顺序,不知道桶内样本的顺序;原创 2023-04-09 14:02:36 · 214 阅读 · 0 评论 -
5. Decentralized Federated Learning for Electronic
主要是增加 local update原创 2023-04-09 13:54:18 · 89 阅读 · 0 评论 -
4. eFL-Boost:Efficient Federated Learning for Gradient Boosting Decision Trees
赵雪师姐论文算法2的英文版;横向联邦;原创 2023-04-09 13:54:55 · 120 阅读 · 0 评论 -
3.Federated Forest
纵向联邦学习;原创 2023-04-09 13:52:31 · 195 阅读 · 0 评论 -
2. Practical Federated Gradient Boosting Decision Trees
赵雪师姐论文算法1的英文版;horizontal learning for GDBTs原创 2023-04-09 13:42:53 · 201 阅读 · 0 评论 -
1. 面向非独立同分布数据的联邦梯度提升决策树
horizontal learning for GDBTs原创 2023-04-09 13:40:07 · 267 阅读 · 0 评论