文档名：不同数据分布的联邦机器学习技术研究
联邦机器学习把训练数据保留在本地且在不共享原始数据的前提下,使用分数在各终端上的数据高效地训练模型.由于联邦机器学习技术有效地保护了用户隐私,因此一经推出便引起众多关注.使用Mnist和Cifar-10两个数据集对联邦机器学习模型算法进行了研究,通过控制参与训练的客户端数量和更改不同数据分布,评估共享模型的准确率和稳定性.
作者：潘碧莹 丘海华 张家伦
作者单位：中国电信股份有限公司广东研究院,广东广州510630广州优亿信息科技有限公司,广东广州510000
母体文献：2019年5G网络创新研讨会论文集
会议名称：2019年5G网络创新研讨会
会议时间：2019年8月15日
会议地点：北京
主办单位：TD产业联盟,移动通信杂志社
语种：chi
分类号：TP3N3
关键词：联邦机器学习 人工智能 神经网络模型
在线出版日期：2020年7月21日
基金项目：
相似文献
相关博文
- 文件大小:
- 2.21 MB
- 下载次数:
- 60
-
高速下载
|
|
