联邦学习论文阅读
文章平均质量分 90
Hidisan
这个作者很懒,什么都没留下…
展开
-
【联邦学习新手必看】手把手教你读懂FedAvg代码,并顺利运行
联邦学习小白,怎样快速跑通经典的FedAvg算法呢?小葵花妈妈开课了原创 2023-06-14 16:11:27 · 4959 阅读 · 12 评论 -
「联邦学习论文07」联邦学习两种公平性综述
由于参与的客户端是自利的,彼此之间存在计算通信资源、数据等差异,如何最大程度激励客户端,合理分配奖励,促进联邦参与者的积极性,对联邦学习可持续发展非常重要。原创 2023-02-02 10:00:18 · 1953 阅读 · 0 评论 -
「联邦学习论文笔记05」Fair Resource Allocation in Federated Learning,这篇论文绝了,千万别错过!
个人觉得联邦学习公平性很重要,这关乎客户端是否愿意参与、联邦学习能否可持续发展壮大,每个客户端都是自利的,“蛋糕“分不好,就算其他步骤优化的再牛逼,人家不愿意参加,你没辙啊原创 2023-01-27 17:06:27 · 867 阅读 · 0 评论 -
「联邦学习论文05」Profit Allocation for Federated Learning
毕竟写论文,就是讲科研故事呗,不光自己写的爽,还得让别人读的爽。原创 2023-01-23 12:36:10 · 444 阅读 · 0 评论 -
「联邦学习论文04」Collaborative Fairness in Federated Learning
就是多劳多得、少劳少得的思想,按劳分配,哈哈哈哈哈。原创 2023-01-21 09:36:19 · 372 阅读 · 0 评论 -
「FL论文笔记03」Measure Contribution of Participants in Federated Learning
「FL论文笔记03」Measure Contribution of Participants in Federated Learning原创 2023-01-18 12:28:28 · 353 阅读 · 1 评论 -
「FL论文笔记02」Hierarchically Fair Federated Learning,Shapley计算贡献,研究生快速读论文方法
这篇论文指出某些学习场景基于Shapley值的激励机制是不公平的,于是提出了一种分层公平联邦学习框架HFFL,通过数据质量、数据量、数据收集成本等这些可公开验证的因素 衡量参与客户端的贡献。把参与者按照贡献分为不同等级,相同等级的参与者视为同等贡献,收敛至相同模型。原创 2023-01-11 21:37:49 · 508 阅读 · 1 评论