联邦学习
2023-05-09 15:00:24 46 举报
联邦学习是一种分布式机器学习方法,它允许多个参与方在保持数据隐私的同时共享模型参数。这种方法的核心思想是将模型的训练过程分解为多个局部训练任务,每个参与方只使用自己的本地数据进行训练,然后将训练结果汇总到一个中心服务器上进行全局模型更新。这种方法可以有效地解决数据隐私和安全问题,同时提高模型的性能和泛化能力。联邦学习已经在许多领域得到了广泛应用,如医疗、金融和物联网等。
作者其他创作
大纲/内容
1
Users
4
5
Different Users's mode
2
Local Model Training
3
Server
Global model
![纵向联邦学习应用场景](https://www.processon.com/chart_image/template/thumb/6566a3b7926e62261429f08f.png?tid=655df1654cdeeb0fc360270f)
收藏
![联邦学习](https://www.processon.com/chart_image/template/thumb/6459f5b076213115b7c33b7c.png?tid=6459e7cf630f7b21f2b8d17d)
收藏
0 条评论
回复 删除
下一页