网站大量收购闲置独家精品文档,联系QQ:2885784924

数据异构下的基于KL散度的联邦学习优化研究.pdf

数据异构下的基于KL散度的联邦学习优化研究.pdf

  1. 1、本文档共46页,其中可免费阅读20页,需付费100金币后方可阅读剩余内容。
  2. 2、本文档内容版权归属内容提供方,所产生的收益全部归内容提供方所有。如果您对本文有版权争议,可选择认领,认领后既往收益都归您。
  3. 3、本文档由用户上传,本站不保证质量和数量令人满意,可能有诸多瑕疵,付费之前,请仔细先通过免费阅读内容等途径辨别内容交易风险。如存在严重挂羊头卖狗肉之情形,可联系本站下载客服投诉处理。
  4. 4、文档侵权举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多

摘要

机器学习和深度学习在近些年来的发展非常迅速,目前已经产生了大量的应用,比

如人脸检测,语音识别,自动驾驶等应用。在智能手机,互联网大规模普及之后,人类

社会产生的数据总量规模极其庞大,然而出于个人隐私保护的原因,许多个人隐私相关

的数据却并不能被直接利用,因此联邦学习也在这一背景下被提出。联邦学习是一种新

型的分布式学习范式,该方法基于边缘设备(如手机,平板电脑等设备),不需要收集

客户端的原始数据,具有较好的保护隐私的效果。联邦学习目前面临大量的挑战,一个

关键且常见的挑战就是数据的异构性,

文档评论(0)

dongbuzhihui + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档