传统的机器学习集中在云(数据中心)中。最近,无线网络中的安全问题以及大量数据和计算资源的可用性正在推动学习算法向网络边缘的部署。这导致了一个快速增长的领域的出现,称为联邦学习 (FL),它集成了两个原本分离的领域:无线通信和机器学习。全面研究了 FL 在第六代 (6G) 无线网络中的应用。

在第 10 届 IEEE/CIC 中国通信国际会议(ICCC2021)上,上海科技大学石远明(IEEE Senior Member)等《联邦机器学习在6G中的机会与挑战》主题报告。

成为VIP会员查看完整内容
27

相关内容

中国人工智能的发展现状及未来发展趋势,20页ppt
专知会员服务
133+阅读 · 2022年3月26日
6G中联邦学习的应用、挑战和机遇
专知会员服务
51+阅读 · 2022年3月14日
专知会员服务
75+阅读 · 2021年9月27日
【UAI2021教程】贝叶斯最优学习,65页ppt
专知会员服务
64+阅读 · 2021年8月7日
物联网时代分布式深度学习新方向
专知会员服务
53+阅读 · 2020年8月30日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
一派讨论·隔离在家买了什么、吃点啥?
少数派
0+阅读 · 2022年4月12日
【CIKM2021-Tutorial】图挖掘公平性,166页ppt
图与推荐
4+阅读 · 2021年11月7日
图机器学习峰会PPT来了!
图与推荐
2+阅读 · 2021年10月14日
深度学习应用于网络空间安全所面临的十大问题与机遇
计算机研究与发展
21+阅读 · 2018年6月7日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
Vision-and-Language Pretrained Models: A Survey
Arxiv
3+阅读 · 2022年4月15日
Arxiv
16+阅读 · 2021年7月18日
Arxiv
19+阅读 · 2020年7月21日
Arxiv
92+阅读 · 2020年2月28日
Advances and Open Problems in Federated Learning
Arxiv
18+阅读 · 2019年12月10日
VIP会员
相关VIP内容
中国人工智能的发展现状及未来发展趋势,20页ppt
专知会员服务
133+阅读 · 2022年3月26日
6G中联邦学习的应用、挑战和机遇
专知会员服务
51+阅读 · 2022年3月14日
专知会员服务
75+阅读 · 2021年9月27日
【UAI2021教程】贝叶斯最优学习,65页ppt
专知会员服务
64+阅读 · 2021年8月7日
物联网时代分布式深度学习新方向
专知会员服务
53+阅读 · 2020年8月30日
商业数据分析,39页ppt
专知会员服务
159+阅读 · 2020年6月2日
相关基金
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
微信扫码咨询专知VIP会员