题目: Survey of Personalization Techniques for Federated Learning

简介:

联邦学习使机器学习模型可以从分散的数据中学习,而不会损害隐私。 联邦学习的标准制定为所有客户提供了一种共享模型。 由于跨设备的非IID数据分布造成的统计异质性通常导致以下情况:对于某些客户,仅对自己的私有数据进行训练的局部模型的性能要优于全局共享模型,从而丧失了参与该过程的动力。 已经提出了几种技术来个性化全局模型,以更好地为单个客户服务。 本文强调了个性化的必要性,并对有关该主题的最新研究进行了调查。

目录:

成为VIP会员查看完整内容
78

相关内容

最新《多任务学习》综述,39页pdf
专知会员服务
260+阅读 · 2020年7月10日
【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
163+阅读 · 2020年4月26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
破解数据孤岛壁垒,三篇论文详细解读联邦学习
AI科技评论
24+阅读 · 2019年5月7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
杨强教授:AI算法重点转向关注数据安全隐私
极市平台
11+阅读 · 2019年2月17日
区块链隐私保护研究综述——祝烈煌详解
计算机研究与发展
22+阅读 · 2018年11月28日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
Arxiv
38+阅读 · 2020年3月10日
Arxiv
14+阅读 · 2020年2月6日
Arxiv
43+阅读 · 2019年12月20日
Deep Learning for Deepfakes Creation and Detection
Arxiv
6+阅读 · 2019年9月25日
Generative Adversarial Networks: A Survey and Taxonomy
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
5+阅读 · 2018年10月11日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
4+阅读 · 2017年4月12日
VIP会员
相关资讯
联邦学习最新研究趋势!
AI科技评论
52+阅读 · 2020年3月12日
破解数据孤岛壁垒,三篇论文详细解读联邦学习
AI科技评论
24+阅读 · 2019年5月7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
杨强教授:AI算法重点转向关注数据安全隐私
极市平台
11+阅读 · 2019年2月17日
区块链隐私保护研究综述——祝烈煌详解
计算机研究与发展
22+阅读 · 2018年11月28日
Andrew NG的新书《Machine Learning Yearning》
我爱机器学习
11+阅读 · 2016年12月7日
相关论文
Arxiv
38+阅读 · 2020年3月10日
Arxiv
14+阅读 · 2020年2月6日
Arxiv
43+阅读 · 2019年12月20日
Deep Learning for Deepfakes Creation and Detection
Arxiv
6+阅读 · 2019年9月25日
Generative Adversarial Networks: A Survey and Taxonomy
Few-shot Learning: A Survey
Arxiv
362+阅读 · 2019年4月10日
Arxiv
53+阅读 · 2018年12月11日
Arxiv
5+阅读 · 2018年10月11日
Arxiv
12+阅读 · 2018年9月5日
Arxiv
4+阅读 · 2017年4月12日
微信扫码咨询专知VIP会员