检索结果-南通市图书馆

检索条件"主题词=全局分布建模"

共 1 条记录，以下是1-10 订阅

全选清除本页清除全部题录导出标记到"检索档案"

详细简洁

排序：

面向标签分布偏移的联邦全局分布建模算法研究

面向标签分布偏移的联邦全局分布建模算法研究

引用

作者：盛韬中南大学

学位级别：硕士

随着对隐私问题的关注不断增加,不同领域内的数据无法实现共享,从而形成了数据孤岛。仅凭借孤岛数据,难以实现对深度学习模型的充分训练,导致其性能显著下降。联邦学习是一种解决当前数据孤岛问题的有效方案,它可以让多个参与方在不共... 详细信息

随着对隐私问题的关注不断增加,不同领域内的数据无法实现共享,从而形成了数据孤岛。仅凭借孤岛数据,难以实现对深度学习模型的充分训练,导致其性能显著下降。联邦学习是一种解决当前数据孤岛问题的有效方案,它可以让多个参与方在不共享原始数据的情况下协同训练模型,从而提高模型性能。然而,在标签分布偏移的场景中,传统的局部模型聚合方式会导致全局模型的权重发散,从而严重影响全局模型的性能。针对上述问题,现有研究主要注重于在参数空间中约束局部模型的更新,而忽略了整体的数据分布信息。基于现有解决方案存在的缺陷,本文提出了一种全局分布建模的方法,在不泄露隐私的前提下,对各客户端数据形成的整体分布建模,进而缓解标签分布偏移问题导致的性能下降。在上述研究基础上,本文进一步研究了一种更加一般化的场景,即客户端无标签的场景。在该场景下,本文通过在服务器端开展半监督学习,并利用全局无监督建模得到的合成样本,解决了客户端无标签训练和标签分布偏移问题,从而提高了模型的泛化能力和准确性。其主要工作如下:(1)针对数据非独立同分布问题下的标签分布偏移场景,本文提出一种标签分布偏移场景下的联邦全局分布建模算法,Fed MGD(Federated Global Distribution Modeling Algorithm for Label Distribution Skew)。该算法通过对各客户端本地数据集的分布进行建模,以获取全局数据分布的信息,从而提升了聚合模型在标签分布偏移场景下的性能。具体而言,Fed MGD采用了分布式生成对抗网络来实现对全局分布的建模,使生成器可以合成接近真实数据分布的生成样本。此外,算法还设计了一种基于真实度分数的更新方式,考虑了数据和语义的真实性信息,使模型更好地学习全局分布信息,并在标签分布偏移场景下表现更为出色。实验结果表明,所提算法在多个公共基准测试集中表现优秀,相较于现有的研究工作有显著的性能提升。(2)在更加一般化的客户端无标签场景下,算法不仅要考虑标签分布偏移问题,还需要解决客户端中无标签数据训练的挑战。针对该场景,本文提出了一种基于全局无监督建模的联邦半监督学习算法,Fed GUM(Federated Semi-Supervised Learning Algorithm Based on Global Unsupervised Modeling)。该算法采用无监督的方式进行全局建模,利用模型生成的无标签数据和少量真实的有标签数据,通过所提出的服务器端一致性损失进行模型优化更新,从而实现更好的半监督学习效果,并解决客户端无标签场景下的标签分布偏移问题。实验结果表明,在公共数据集和特定的医疗影像数据集中,相比于现有方法,Fed GUM在客户端无标签场景下具有更高的模型性能和更好的泛化能力。图23幅,表16个,参考文献77篇

关键词：联邦学习全局分布建模分布式生成对抗网络标签分布偏移客户端无标签

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

全选清除本页清除全部题录导出标记到“检索档案”

共1页 << < 1 > >>

回到顶部

执行限定条件

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：