联邦学习

基于cifar10数据集的FedAvg联邦学习任务

本文目录1.cifar10数据集介绍2.联邦学习介绍3.客户端CNN模型3.FedAvg实现运行结果出自论文《Communication-EfficientLearningofDeepNetworksfromDecentralizedData
梦码城·2023-01-11 19:36

联邦学习-FedAvg、FedAMP论文解读

文章目录联邦学习-FedAvg、FedAMP论文解读FedAvg解读解决问题算法原理实验结果优缺点FedAMP解读解决问题FedAMP算法原理HeurFedAMP算法原理实验结果优缺点联邦学习-FedAvg
‘Atlas’·2023-01-11 19:06

联邦学习(FL，Federated Learning) 之FedAvg算法

Communication-EfficientLearningofDeepNetworksfromDecentralizedData论文地址：[1602.05629]Communication-EfficientLearningofDeepNetworksfromDecentralizedData(arxiv.org)FL主要瓶颈：1.通信速率不稳定，且可能不可靠2.聚合服务器的容量有限，同时与s
bit_100·2023-01-11 19:36

联邦学习（二）：卷积神经网络通过底层 API 实现 FedAvg 联邦算法

文章目录1、导入需要的库2、导入并处理数据3、定义批次数据类型4、定义模型类型4.1得到每一层神经网络的参数形状4.2得到模型类型4.3建立模型4、定义计算一个批次损失的函数5、定义通过一个批次的损失更新网络参数的函数6、定义通过一个客户端的损失更新网络参数的函数7、定义通过所有客户端的损失更新网络参数的函数1、导入需要的库importcollectionsimportnumpyasnpimpor
cofisher·2023-01-11 19:36

【联邦学习】FedAvg 过程简介

文章目录一、FedAvg简介二、联邦训练过程参考链接一、FedAvg简介FedAvg是一种分布式框架，允许多个用户同时训练一个机器学习模型。在训练过程中并不需要上传任何私有的数据到服务器。本地用户负责训练本地数据得到本地模型，中心服务器负责加权聚合本地模型从而得到全局模型，经过多轮迭代后最终得到一个趋近于集中式机器学习结果的模型，有效地降低了传统机器学习源数据聚合带来的许多隐私风险。二、联邦训练过
想变厉害的大白菜·2023-01-11 19:06

基于 TensorFlow Federated 的 X 射线图像分类用于 COVID-19 识别

这段时间学习了联邦学习的一些知识，完成了基于TensorFlowFederated实现的X射线图像分类用于COVID-19识别的一个例子，与大家分享。
AI Medicine·2023-01-11 15:07

联邦学习 (FL) 中常见的3种模型聚合方法的 Tensorflow 示例

联合学习(FL)是一种出色的ML方法，它使多个设备（例如物联网(IoT)设备）或计算机能够在模型训练完成时进行协作，而无需共享它们的数据。“客户端”是FL中使用的计算机和设备，它们可以彼此完全分离并且拥有各自不同的数据，这些数据可以应用同不隐私策略，并由不同的组织拥有，并且彼此不能相互访问。使用FL，模型可以在没有数据的情况下从更广泛的数据源中学习。FL的广泛使用的领域如下：卫生保健物联网(IoT
·2023-01-11 11:13

联邦学习——用data-free知识蒸馏处理Non-IID

《Data-FreeKnowledgeDistillationforHeterogeneousFederatedLearning》ICML2021最近出现了利用知识蒸馏来解决FL中的用户异构性问题的想法，具体是通过使用来自异构用户的聚合知识来优化全局模型，而不是直接聚合用户的模型参数。然而，这种方法依赖于proxydataset，如果没有这proxydataset，该方法便是不切实际的。此外，集成
联邦学习小白·2023-01-10 11:41

FedMD: Heterogenous Federated Learning via Model Distillation论文笔记

  本文提出使用迁移学习和知识蒸馏开发了一个联邦学习框架FedMD，此框架允许不同的客户端根据其计算能力设计不同的网络结构，并且保护数据集的隐私安全和模型的隐私安全条件下联合训练出一个模型。
Zoran_卓·2023-01-10 11:41

数据不动模型动-联邦学习的通俗理解与概述

关注公众号，发现CV技术之美联邦学习是一种机器学习设定，其中许多客户端（例如：移动设备或整个组织）在中央服务器（例如：服务提供商）的协调下共同训练模型，同时保持训练数据的去中心化及分散性。
我爱计算机视觉·2023-01-10 11:40

【论文阅读】Device Sampling for Heterogeneous Federated Learning: Theory, Algorithms, and Implementation

异构联邦学习的设备采样:理论，算法，实现一、文章介绍二、背景和目的三、建模1、边缘设备模型2、网络拓扑3、联邦学习模型4、建模总结四、方法1、数据分流2、设备采样（1）核心思想（2）GCN训练过程3、联邦学习训练过程五
九九喵99·2023-01-10 11:40

论文阅读笔记--Federated Continual Learning with Weighted Inter-client Transfer

本文提出了一种新的场景，联邦学习（FL）的每个client各自执行一系列的持续学习（ContinualLearning）任务，为了说明这个场景的实际意义，文章给出了这样一个场景：若干个医院要通过一个联邦学习框架交流自己的知识
Shawn2134123·2023-01-10 11:10

论文阅读笔记--Data-Free Knowledge Distillation for Heterogeneous Federated Learning（FEDGEN）

链接：https://arxiv.org/abs/2105.10056v2这篇文章发表在ICML2021，讲的是如何解决联邦学习中的数据异构问题。
Shawn2134123·2023-01-10 11:09

隐私计算--35--联邦学习安全防御之同态加密

一、Paillier半同态加密算法同态加密又可以分为全同态加密、些许同态加密和半同态加密三种形式。这其中，由于受到性能等因素的约束，当前在工业界主要使用半同态加密算法。Paillier即属于半同态加密算法，其并不满足乘法同态运算，虽然Paillier算法不是全同态加密的，但是与全同态加密算法（FHE）相比，其计算效率大大提升，因此在工业界被广泛应用。我们以x表示明文，以[[x]]表示其对应的密文，
武天旭·2023-01-09 15:47

转载-联邦学习 - 基础知识+白皮书+杨强教授讲座总结+同态加密+ 差分隐私

原文链接：https://blog.csdn.net/qq_41409438/article/details/102213895联邦学习兴起原因概念分类横向联邦学习纵向联邦学习联邦迁移学习优势系统架构联邦学习与现有研究的区别联邦学习与差分隐私理论的区别联邦学习与分布式机器学习的区别联邦学习与联邦数据库的关系联邦学习的最新发展及应用
nanoleak coding·2023-01-09 15:45

纵向联邦学习原理介绍——LR,XGBoost,SplitNN

这是我的学习笔记，若有不足和错误之处，欢迎交流和指正，谢谢！联系方式：[email protected]文章目录1.Introduction2.Preliminaries2.1VFL加密方法2.2VFL平台3.VFL逻辑回归4.VFLXGBoost4.1XGBoost4.2SecureBoost5.SplitNN5.1Pipeline5.2Aggregation推荐阅读：[1]LabelInferenc
lrchang·2023-01-09 15:45

联邦学习在保护隐私方面的三大技术

联邦学习在保护隐私方面的三大技术联邦学习在保护隐私方面的三大技术：差分隐私（DifferentialPrivacy）、同态加密（HomomorphicEncryption）、隐私保护集合交集（PrivateSetIntersection
学而时习之！！·2023-01-09 15:14

同态加密与联邦学习

联邦学习通过加密机制下的参数交换方式保护用户数据隐私，加密手段包括同态加密等。
一直在路上ing·2023-01-09 15:44

【联邦学习实战】基于同态加密和差分隐私混合加密机制的FedAvg

联邦学习实战——基于同态加密和差分隐私混合加密机制的FedAvg前言1.FedAvg1.1getData.py1.2Models.py1.3client.py1.4server.py1.5性能评估1.5.1Non-IID
HERODING23·2023-01-09 15:43

【联邦学习邂逅密码学系列】基于同态加密算法python代码实现

联系方式：[email protected]前言联邦学习是一种参与方之间联合隐私训练的新范式，受到学术界和工业界的关注。
lrchang·2023-01-09 15:43

EAIDK学习日记—DAY1

边缘VS云3.边缘智能的类型①边缘收集数据，云端训练+推理（适用于大部分智能音箱，部分收音机）②边缘收集数据+推理，云端训练（端云结合，适用于大部分智能设备③边缘收集数据加推理，分布式边缘训练（适用于联邦学习
正太man·2023-01-09 11:57

联邦学习（六）：Tensorflow 实现联邦迁移学习

文章目录项目说明方法说明代码说明1、导入需要的库2、为每个客户端制作数据集2.1导入并处理MNIST数据2.2定义相关变量2.3为每个客户端制作训练集和测试集3、建立模型3.1建立服务器模型3.2建立客户端模型4、定义训练过程5、模型训练项目说明本项目旨在使用Tensorflow2.0模拟实现论文FederatedTransferLearningforIntelligentFaultDiagnos
cofisher·2023-01-09 11:55

联邦学习（三）：Tensorflow2.0 实现联邦学习

文章目录项目说明代码实现1、导入需要的库2、定义相关的类2.1Data2.2Aggregator2.3Model2.4Bank3、导入并处理原始数据4、联邦学习4.1划分数据并重采样4.2模型训练4.2.1
cofisher·2023-01-09 11:54

[tensorflow]联邦学习框架TFF安装记录(基于docker)

1.介绍tensorflowfederated(下面简称为TFF)是谷歌开发的一款开源联邦学习框架,该框架基于tensorflow(下面简称为TF)运行.安装这个框架花了我两天时间,现在对安装过程进行总结
一骑红尘荔枝来·2023-01-09 11:53

(windows)超轻松的anaconda下tensorflow与tensorflow-federated联邦学习环境安装

所需软件：anacondanavigator网上的大部分都是使用cmd安装，会遇到特别多问题（解决了半天还是有的跳不过去TT），摸索了很久找到了巨简单的安装方法一、配置环境需要创建一个新的虚拟环境，常见做法宜遇到InvalidArchiveError等一系列问题，下面我写的文章有一种极简单方法绕过这些问题无痛创建。https://blog.csdn.net/Tainya_/article/deta
Tainya_·2023-01-09 11:52

【论文笔记】A survey on federated learning （综述）

YuXie,HangBai,BinYu,WeihongLi,YuanGaoKeywordsFederatedlearning;Privacyprotection;MachinelearningAbstract联邦学习是在一个中央聚合器的协调下多客户协作解决机器学习问题的机制
你的莽莽没我的好吃·2023-01-09 10:37

联邦学习和Analyzing User-Level Privacy Attack Against Federated Learning阅读报告

联邦学习所具有的特点支持非独立同分布的数据不同客户端中的样本产生可能有差别。特征分布倾斜：不同的人写相同的字但字迹不一样。标签分布倾斜：不同地区的人用的表情不一样。
mentalps·2023-01-07 10:21

【论文导读】- Cluster-driven Graph Federated Learning over Multiple Domains（聚类驱动的图联邦学习）

文章目录论文信息摘要主要贡献聚类驱动的图联邦学习问题定义联邦聚类聚类模型聚类模型的联系FedCG框架论文信息Cluster-drivenGraphFederatedLearningoverMultipleDomains
1 + 1=王·2023-01-07 02:55

文献阅读--FLTrust: Byzantine-robust Federated Learning via Trust Bootstrapping

本文设计了一个Byzantine-robust（能够抵御投毒攻击）的联邦学习框架。
学渣渣渣渣渣·2023-01-06 09:27

机器学习（一）

目录一、联邦学习（目标：解决数据的协作和隐私问题）1、特点：2、联邦学习体系3、联邦学习应用案例二、机器学习集合Fate框架一、基本概念：1、Fate概念：2、Fate设计原则：3、Fate框架的由来二
I Want To IT Master·2023-01-06 09:19

联邦学习系列---读书个人总结

联邦学习系列----1引言1人工智能面临的挑战2联邦学习的来源和挑战2.1联邦学习的由来2.2联邦学习的挑战3联邦学习的定义引言最近刚开源了FedML，对于这个领域挺好奇，觉得好好读一读。
35岁北京一套房·2023-01-05 12:40

我的创作纪念日

日常养成了记录的习惯，对于日常用到的python中一些问题，以及联邦学习中开源平台等小众问题进行分享。憧憬未来继续写，将自己的历程记录下来，记录一路的心路历程。
35岁北京一套房·2023-01-05 12:10

全程回顾 | 隐私计算与联邦学习专场 AI MEETUP

9月4日，由FATE开源社区和白玉兰开源联合主办，众多社区大力支持的隐私计算与联邦学习专场AIMEETUP（线上直播）圆满落幕。
FedAI Ecosystem·2023-01-05 12:09

联邦学习：保护用户数据隐私

对数据保护通常是对数据做加密或移除敏感信息，但实际上即使移除了敏感信息，有足够多的真实的信息，还是可以通过算法是找到对应的人的，如：卡内基梅隆大学的LatanyaSweeney的将匿名化的GIC数据库（包含每位患者的出生日期、性别和邮政编码）与选民登记记录相连后，可以找出马萨诸塞州州长的病历。2006年的Netflix的机器学习比赛，虽然可识别单个客户的所有个人信息已被删除，并且所有客户ID已用随
查里王·2023-01-05 12:09

从联邦学习角度聊人工智能隐私

活动详情地址：话题挑战赛第2期参赛话题地址：人工智能的隐私保护探讨人工智能是个广泛而火爆的概念，隐私保护是重中之重，效率和隐私仿佛是一对矛盾体，需要找到最佳的平衡点，从我的研究方向出发，联邦学习是一种不需要将个人数据集中的传输到云服务端
35岁北京一套房·2023-01-05 12:38

联邦学习论文阅读笔记

目录一、前缀基础知识二、论文笔记ATheoreticalPerspectiveonDPFederatedMTL-preprint'20FederatedMulti-TaskLearning-NIPS'17FLTrust_Byzantine-robustFederatedLearningviaTrustBootstrapping-NDSS'21ProvablySecureFederatedLearn
RouTineD·2023-01-04 18:08

FedProx论文阅读笔记

《FEDERATEDOPTIMIZATIONINHETEROGENEOUSNETWORKS》这篇文章提出了一个基于FedAvg的优化框架Fedprox，主要在于解决FedAvg未曾处理的联邦学习中的异构性问题
联邦学习小白·2023-01-04 18:35

联邦学习知识初探——FedProx

概要FederatedOptimizationinHeterogeneousNetworks一文中，针对我们最长使用的FedAvg提出了一些改进，使得面对边缘设备上数据不稳定等异构问题。核心思想FedProx针对FedAvg算法的两个方面进行了调整。一个是不同设备计算能力存在差异,单纯的迭代会让部分设备承受压力过大。同时想让本地模型不偏离全局模型，影响全局模型收敛。针对这两个方面，改进算法如下：引
编程龙·2023-01-04 18:02

联邦学习原始论文解读

目录前言AbstractIntroductionFederatedLearningPrivacyFederatedOptimizationTheFederatedAveragingAlgorithmExperimentalResultsIncreasingparallelismIncreasingcomputationperclientCanweover-optimizeontheclientda
Cyril_KI·2023-01-04 18:59

【联邦学习论文阅读】FedProx（2018）Federated Optimization in Heterogeneous Networks

【FedProx】论文链接：https://arxiv.org/abs/1812.06127摘要联邦学习面临两个关键挑战：系统异构性；统计异构性。
Momahe·2023-01-04 18:29

联邦学习经典算法总结

看过很多联邦学习分类分割的文章了，现在来个总结吧。
抹茶生活·2023-01-01 17:48

联邦学习代码调试

联邦学习代码解读前面一篇文章对联邦学习的代码进行了详细的解读，这篇文章主要是通过调试，更深入地了解一下联邦学习代码是如何运行的，促进后续我们对于其他和联邦学习的相关文章的阅读，以及在本代码基础之上进行修改
一只揪°·2023-01-01 17:45

联邦学习FedAvg自编写代码

联邦学习中，联邦平均算法获得了很大的使用空间，因此常常被用于进行同步训练操作不多废话了，以下为Fedavg代码由于使用场景为NonIID场景，因此我使用了别人的一个MNIST数据集自定义的代码（见附录）
「已注销」·2023-01-01 17:43

联邦学习基本算法FedAvg的代码实现

目录I.前言II.数据介绍1.特征构造III.联邦学习1.整体框架2.服务器端3.客户端4.代码实现4.1初始化4.2服务器端4.3客户端4.4测试IV.实验及结果V.源码及数据I.前言联邦学习(FederatedLearning
Cyril_KI·2023-01-01 17:11

【联邦学习】联邦学习算法分类总结

【联邦学习】联邦学习算法分类总结横向联邦学习、纵向联邦学习和联邦迁移学习横向联邦学习纵向联邦学习联邦迁移学习基于机器学习算法的联邦学习分类联邦线性算法联邦树模型联邦支持向量机联邦深度学习基于优化方法进行分类从通信成本角度优化的联邦学习算法增加客户端训练压力模型压缩从客户端选择入手的联邦学习算法从异步聚合角度优化的联邦学习算法联邦学习作为目前研究的热点
十了个九·2023-01-01 17:11

联邦学习代码解读，超详细

参考文献：[1]BrendanMcMahan,H.,Moore,E.,Ramage,D.,Hampson,S.,andAgüerayArcas,B.,“Communication-EfficientLearningofDeepNetworksfromDecentralizedData”,arXive-prints,2016.参考代码：https://github.com/AshwinRJ/Fede
一只揪°·2023-01-01 17:40

阅读笔记：FedGNN: Federated Graph Neural Network for Privacy-Preserving Recommendation

FederatedGraphNeuralNetworkforPrivacy-PreservingRecommendationICML’21|隐私保护下的图神经网络推荐系统(qq.com).重点是看GNN与联邦学习怎么结合的
缄默的天空之城·2022-12-30 20:35

论文笔记：ICML‘21 FedGNN: Federated Graph Neural Network for Privacy-Preserving Recommendation

目录一、论文背景二、目前存在的问题和解决方案1、问题一和解决方案问题：解决方案不足之处2、问题二和解决方案问题解决方案不足之处3、问题三和解决方案问题解决方案三、相关工作1、联邦学习相关论文2、图神经网络相关论文四
探索计算机知识的边缘·2022-12-30 20:04

时空数据建模的跨节点联邦图神经网络：KDD21 Cross-Node Federated Graph Neural Network for Spatio-Temporal Data Modeling

前言联邦学习（FL）虽然已经被广泛研究，但是对复杂的时空依赖关系进行建模以提高预测能力仍然是一个开放的问题。此外目前最优的时空预测模型假定对数据的访问不受限制，忽略了对数据共享的限制。
no one847·2022-12-30 20:04

论文笔记-FedGraphNN: A Federated Learning Benchmark System for Graph Neural Networks

1.简述GNN已经在业界有了很广泛的应用且很多领域已有SOTA的效果，但是在隐私安全日渐趋严的背景下，如何通过FL实现gnn的跨域联邦学习是一个有益的结合，本文通过联邦环境下对于Graph数据的如何在不同
cruise-tang·2022-12-30 20:04
上一页 4 5 6 7 8 9 10 11 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他