- 1、本文档共57页,其中可免费阅读18页,需付费100金币后方可阅读剩余内容。
- 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、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、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
跨筒仓联邦学习是一种重要的分布式机器学习范式,它在隐私保护、数据安全
方面有着独特的优势,能被广泛地应用在如智能工厂、医院、银行等场景。由于网
络的分布式特征,在跨筒仓联邦学习中如何激励组织积极地合作训练全局模型是一
个重要的研究方向,一方面不同组织训练成本和全局模型的精度需求不同,且组织
的计算和通信资源的稀缺性、私有性和异质性等特点导致组织间难以合作训练。另
一方面在训练过程中组织可能因为全局模型精度边际效用降低而对于使用多少数据
量难以抉择,这会导致各组织在训练过程中可能不愿意贡献过多自身
文档评论(0)