联邦学习
文章平均质量分 82
秋宝1028
研究方向是联邦学习,欢迎交流~~
展开
-
t-SNE方法:
t-SNE(t-分布随机邻域嵌入,T-distributed Stochastic Neighbor Embedding)是一种流行的机器学习算法,主要用于降维。该算法特别适用于将高维数据映射到低维空间,如2维或3维,以便于可视化和分析。可以从具有数百甚至数千个维度的数据中创建引人注目的两维“地图”t-SNE(t-DistributedStochastic Neighbor Embedding,T 分布随机近邻嵌入)是一种可以把高维数据降到二维或三维的降维技术。t-SNE通过在。原创 2023-12-05 17:39:51 · 1118 阅读 · 0 评论 -
Privacy-Preserving federated learning An application for big data load forecast in buildings
说明背景:大数据分析和预测的重要地位存在问题:负荷预测模型需要消耗大量的关键词:足够种类的数据才能达到高精度,同时这些数据是敏感的;带宽消耗提出使用联邦学习(FL)作为一种去中心化的机器学习差分隐私隐私保护(FL 方法不提供可证明的隐私保证(1)带宽高效(2)引入了 POWER-SELECTION 协议来选择参与 FL 轮的建筑物。原创 2023-08-13 19:02:31 · 142 阅读 · 0 评论 -
Fine-Grained Preference-Aware Personalized Federated POIRecommendation with Data Sparsity
出发点:时间敏感、异构、有限的POI记录严重限制了联邦POI推荐的发展在极其稀疏的历史轨迹下设计了细粒度的偏好感知个性化联邦 POI 推荐框架,即 PrefFedPOI具体方案:PrefFedPOI通过结合每个本地客户端内的历史近期偏好和周期性偏好来提取当前时段的细粒度偏好。由于某些时段POI数据极度缺乏,针对模型参数上传设计了数据量感知选择性策略。此外,提出了一种带有强化学习的性能增强聚类机制,以捕获所有客户之间的偏好相关性,以鼓励积极的知识共享。原创 2023-08-06 17:52:21 · 286 阅读 · 0 评论 -
报错main.py: error: unrecognized arguments: stack_size 4 1001,770,123
报错main.py: error: unrecognized arguments: stack_size 4 1001,770,123原创 2023-05-11 15:06:50 · 651 阅读 · 0 评论 -
ccf b类及以上会议(准备)
ccf b会议 联邦学习论文原创 2023-04-21 16:09:38 · 1212 阅读 · 0 评论 -
FedBoosting: Federated Learning with GradientProtected Boosting for Text Recognition(论文研读:第二篇)
数据隐私保护—>联邦学习框架—>非独立同分布数据产生权重差异、泛化差、梯度泄漏—>联邦加速算法FedBoosting原创 2023-03-10 11:36:25 · 205 阅读 · 1 评论 -
ClusterFL: A Similarity-Aware Federated Learning System forHuman Activity Recognition
在本文中,我们提出了ClusterFL,一个用于人类活动识别的相似性感知联邦学习系统。ClusterFL具有新颖的联邦学习框架,支持相似节点之间的协作学习,并基于学习的集群结构集成了两种有效的通信优化机制。我们使用四个新的真实世界数据集进行的评估表明,ClusterFL优于几种学习范式(例如,局部学习、FedAvg、联邦迁移学习的21.04%、6.46%、5.41%),有时甚至接近集中学习的准确性。此外,ClusterFL可以减少50%以上的通信延迟,代价是精度损失很小。原创 2023-01-16 21:48:47 · 220 阅读 · 0 评论 -
Human Activity Recognition Using FederatedLearning
虽然在这项工作中进行的相对小规模的实验显示了联邦学习对HAR任务的适用性的良好结果,但我们未来的工作包括使用现实工作负载运行更大规模的实验,我们预计,这将进一步证实联邦学习对HAR任务的可行性。例如,本研究的下一步是在具有许多移动用户的移动应用程序中实现HAR的联邦学习算法,例如可以预测用户当前活动的健身应用程序。通过在应用程序上训练和集成联邦模型,可以跟踪更广泛的指标,以评估联邦学习作为一种训练方法。该应用程序将允许基准测试指标,如设备上的电池使用情况进行训练,使用用户交互测量分类器的性能,通信问题和离散原创 2023-01-16 00:07:25 · 219 阅读 · 0 评论 -
使用Dataset、Dataloader自定义数据集
数据————>model 中间的实现过程由dataloader去做index——>record 中间的实现过程由dataset去做原创 2022-09-20 15:58:37 · 4292 阅读 · 0 评论 -
数据集的划分:
自定义数据集的划分原创 2022-09-19 20:08:17 · 1263 阅读 · 0 评论 -
Communication-Efficient Learning of Deep Networks form Decentralized Data
引入FederatedAveraging算法,将每个客户端的局部随机梯度下降(SGD)与执行模型平均的服务器相结合原创 2022-08-29 16:25:03 · 3842 阅读 · 0 评论 -
FedBoosting:Federated Learning with Gradient Protected Boosting for Text Recognition
数据隐私保护—>联邦学习框架—>非独立同分布数据产生权重差异、泛化差;梯度泄漏—>联邦加速算法FedBoosting使用同态的安全梯度共享协议,引入加密和差分隐私防御梯度泄漏攻击原创 2022-08-09 18:16:25 · 796 阅读 · 0 评论