获得徽章 0
动态
文章
专栏
沸点
收藏集
关注
作品
赞
1
赞
1
返回
|
搜索文章
最新 热门
  • Exploiting Shared Representations for Personalized Federated Learning
    本文已参与「新人创作礼」活动，一起开启掘金创作之路。 论文地址点这里 一. 介绍 联邦学习中由于各个客户端上数据异构问题，导致全局训练模型无法适应每一个客户端的要求。作者通过利用客户端之间的共同代表来
    • 3年前
    • 369
    • 评论
    Python
  • Non-IID data and Continual Learning processes in Federated Learning: A long road
    本文已参与「新人创作礼」活动，一起开启掘金创作之路。 论文地址点这里 今天来看一篇在实际背景下，联邦学习和持续学习的意义以及针对于数据异构问题的相关分析。 一. 介绍 人们日常生活主要的计算机器是智能
    • 3年前
    • 481
    • 评论
    Python
  • Federated Reconnaissance: Efficient, Distributed, Class-Incremental Learning
    本文已参与「新人创作礼」活动，一起开启掘金创作之路。 论文地址点这里 一. 介绍 论文中，作者提出了联合侦察，这是一类新的学习问题，分布式模型应该能够独立地学习新的概念，并有效地共享这些知识。通常在联
    • 3年前
    • 1.2k
    • 评论
    Python
  • CONTINUAL LOCAL TRAINING FOR BETTER INITIALIZATION OF FEDERATED MODELS 论文解读+代码分析
    本文已参与「新人创作礼」活动，一起开启掘金创作之路。 论文地址点这里 一. 介绍 本篇文章的介绍和之前的持续学习、联邦学习类似，就不赘述。 作者提出的为局部持续训练的联邦学习来缓解权值的发散，并将不同
    • 3年前
    • 958
    • 评论
    PyTorch
  • Personalized Federated Learning with Moreau Envelopes论文阅读+代码解析
    本文已参与「新人创作礼」活动，一起开启掘金创作之路。 论文地址点这里 一. 介绍 尽管FL具有数据隐私和减少通信的优势，但它面临着影响其性能和收敛速度的主要挑战：统计多样性，这意味着客户之间的数据分布
    • 3年前
    • 448
    • 评论
    PyTorch
  • Personalized Cross-Silo Federated Learning on Non-IID Data 论文解析
    本文已参与「新人创作礼」活动，一起开启掘金创作之路。 一.介绍 使用非IID数据进行个性化跨思洛联盟学习的根本瓶颈是错误地认为一个全局模型可以适合所有客户。基于此，在本文中，作者通过一种新颖的消息传递
    • 3年前
    • 1.1k
    • 评论
    PyTorch
  • Federated Meta-Learning with Fast Convergence and Efficient Communication 论文阅读笔记
    本文已参与「新人创作礼」活动，一起开启掘金创作之路。 论文地址点这里 一. 介绍 联邦学习中数据是非独立同分布的，基于FedAvg算法成功后，作者发现元学习算法MAML应对客户端上数据量较少，数据分布
    • 3年前
    • 368
    • 评论
    PyTorch
  • Personalized Federated Learning with Exact Stochastic Gradient Descent 论文阅读
    本文已参与「新人创作礼」活动，一起开启掘金创作之路。 论文地址点这里 一. 介绍 论文中，作者提出了联合侦察，这是一类新的学习问题，分布式模型应该能够独立地学习新的概念，并有效地共享这些知识。通常在联
    • 3年前
    • 263
    • 评论
    PyTorch
    • 个人成就
    文章被点赞 1
    文章被阅读 5,201
    掘力值 147
    收藏集
    0
    关注标签
    4
    加入于