联邦学习(FL)是一种机器学习设置,许多客户(例如移动设备或整个组织)在保持数据分散的同时协同训练一个模型。FL体现了集中的数据收集和最小化的原则,并可以减轻许多系统的隐私风险和成本造成的传统,集中的机器学习和数据科学方法。这个演讲,Aurelien Bellet将介绍属于FL范畴的各种设置,回顾一些标准算法,并讨论最近的一些工作和开放问题。

http://researchers.lille.inria.fr/abellet/talks/federated_learning_introduction.pdf

成为VIP会员查看完整内容
86

相关内容

【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
164+阅读 · 2020年4月26日
模型攻击:鲁棒性联邦学习研究的最新进展
机器之心
34+阅读 · 2020年6月3日
联邦学习最新研究趋势!
AI科技评论
52+阅读 · 2020年3月12日
【资源】联邦学习相关文献资源大列表
专知
10+阅读 · 2020年2月25日
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
联邦学习或将助力IoT走出“数据孤岛”?
中国计算机学会
20+阅读 · 2019年3月16日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
LibRec 每周算法:Collaborative Metric Learning (WWW'17)
LibRec智能推荐
6+阅读 · 2017年7月4日
Arxiv
0+阅读 · 2021年1月14日
Arxiv
4+阅读 · 2021年1月14日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
One-Shot Federated Learning
Arxiv
9+阅读 · 2019年3月5日
Arxiv
13+阅读 · 2019年1月26日
Meta-Transfer Learning for Few-Shot Learning
Arxiv
7+阅读 · 2018年12月6日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
VIP会员
相关主题
相关VIP内容
【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
164+阅读 · 2020年4月26日
相关资讯
模型攻击:鲁棒性联邦学习研究的最新进展
机器之心
34+阅读 · 2020年6月3日
联邦学习最新研究趋势!
AI科技评论
52+阅读 · 2020年3月12日
【资源】联邦学习相关文献资源大列表
专知
10+阅读 · 2020年2月25日
Gartner 报告:人工智能的现状与未来
InfoQ
14+阅读 · 2019年11月29日
联邦学习或将助力IoT走出“数据孤岛”?
中国计算机学会
20+阅读 · 2019年3月16日
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
LibRec 每周算法:Collaborative Metric Learning (WWW'17)
LibRec智能推荐
6+阅读 · 2017年7月4日
相关论文
Arxiv
0+阅读 · 2021年1月14日
Arxiv
4+阅读 · 2021年1月14日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
One-Shot Federated Learning
Arxiv
9+阅读 · 2019年3月5日
Arxiv
13+阅读 · 2019年1月26日
Meta-Transfer Learning for Few-Shot Learning
Arxiv
7+阅读 · 2018年12月6日
Mobile big data analysis with machine learning
Arxiv
6+阅读 · 2018年8月2日
微信扫码咨询专知VIP会员