联邦学习综述小结

联邦学习综述小结

阅读的文献为:联邦学习算法综述(王健宗等)仅供学习参考,具体算法详细介绍可以查找原文进行阅读学习。

联邦学习算法

  1. 联邦学习算法特点
    联邦学习综述小结_第1张图片

  2. 联邦学习算法结构
    联邦学习综述小结_第2张图片 图片来自原文

  3. 联邦学习算法对比
    联邦学习综述小结_第3张图片图片来自原文

  4. 联邦学习算法的优化分类方法
    联邦学习综述小结_第4张图片图片来自原文

  5. 与分布式机器学习相比的不同之处
    a.应用领域
    分布式需要将数据上传到服务器。
    联邦学习始终将数据存储在本地。
    b.数据属性
    分布式的原始数据往往是独立同分布的。
    联邦学习的原始数据往往是非独立同分的,在进行训练时需要进行对齐工作。
    c.系统构成
    (物理组成上二者相似)联邦聚合是联邦学习系统中不同于分布式机器学习的优化算法。

  6. 联邦学习难点与展望

联邦学习综述小结_第5张图片

你可能感兴趣的:(机器学习)