咨询与建议

限定检索结果

文献类型

  • 1 篇 期刊文献

馆藏范围

  • 1 篇 电子文献
  • 0 种 纸本馆藏

日期分布

学科分类号

  • 1 篇 工学
    • 1 篇 计算机科学与技术...

主题

  • 1 篇 正则化
  • 1 篇 分布式机器学习
  • 1 篇 客户端偏移
  • 1 篇 隐私保护
  • 1 篇 非独立同分布
  • 1 篇 联邦学习

机构

  • 1 篇 福州大学

作者

  • 1 篇 蓝梦婕
  • 1 篇 孙岚
  • 1 篇 蔡剑平

语言

  • 1 篇 中文
检索条件"主题词=客户端偏移"
1 条 记 录,以下是1-10 订阅
排序:
非独立同分布数据下的自正则化联邦学习优化方法
收藏 引用
计算机应用 2023年 第7期43卷 2073-2081页
作者: 蓝梦婕 蔡剑平 孙岚 福州大学计算机与大数据学院 福州350108
联邦学习(FL)是一种新的分布式机器学习范式,它在保护设备数据隐私的同时打破数据壁垒,从而使各方能在不共享本地数据的前提下协作训练机器学习模型。然而,如何处理不同客户端的非独立同分布(Non-IID)数据仍是FL面临的一个巨大挑战,目... 详细信息
来源: 维普期刊数据库 维普期刊数据库 同方期刊数据库 同方期刊数据库 评论