联邦学习协同优化理论及应用

发布时间：2025-05-05 19:52

学习技巧15：将理论联系实际，提升应用能力 #生活技巧# #学习技巧# #终身学习理念#

联邦学习协同优化理论及应用

摘要：基于神经网络的深度学习算法的性能在很大程度上依赖于充足且高质量的训练数据。然而，在现实中，数据通常以分布式的形式生成，并存储在不同的数据所有者（例如设备或机构）中。由于数据敏感性和用户隐私政策的限制，这部分数据可能无法直接集成到中央服务器中。因此，深度学习模型往往面临着数据孤岛的问题。联邦学习作为一种保护隐私的分布式学习框架，能够在数据不共享的同时，通过加密机制保护的参数交换来进行联合建模。联邦学习能够在多参与方之间开展高效的协同训练，并保障了通讯过程中的信息安全和数据隐私，成为平衡数据保护与数据应用的可靠架构。　　本文针对...

关键词：

授予学位：

博士

学科专业：

导师姓名：

学位年度：

2022

语种：

中文

分类号：

TP181(自动化基础理论)

在线出版日期：

2024-04-12 （万方平台首次上网日期，不代表论文的发表时间）

参考文献 (46)

仅看全文

排序：

发表时间

被引频次

查看引文网络

联邦学习协同优化理论及应用

相关内容

随便看看

最新动态分享

热点动态分享

专题

推荐动态分享