《电子测量技术杂志》发表论文赏析

数据异质场景下的联邦学习模型校正与聚合

来源:电子测量技术杂志2022年第20期北京时间:

作者:邹承明,赵宁

单位:1. 武汉理工大学 计算机与人工智能学院 武汉 430079;2. 交通物联网技术湖北省重点实验室 武汉 430079

摘要:作为一种分布式机器学习范式,联邦学习在用户数据隐私保护方面拥有巨大潜力,是近年来的一大研究热点。首先,针对数据统计异质场景中普遍存在的用户模型偏差问题,提出了基于生成对抗网络的虚拟特征生成与分类层校正方案。其次,针对特殊的概念偏移场景,提出了基于分类层聚类的个性化分组聚合方案。最后,整合上述两种方案,并在图像分类数据集CIFAR-10上进行单项实验和集成实验。实验结果显示,相较于经典的联邦平均聚合算法,本文所提出的集成方案不仅显著提升了单中心全局模型的收敛速度,也增强了多中心簇模型的个性化能力。 关键词: 联邦学习;数据异质;分类层校正;分类层聚类

关键词:联邦学习;数据异质;分类层校正;分类层聚类

2022年20期其他文献查阅:

一款适用于5G通信频段的限幅滤波结构的设计

冲击波压力在分叉管道内的传播规律

多相电驱重构型车载充电系统绕组开路故障诊断与容错控制

多场景下的人体跌倒检测方法及应用

基于信息年龄的变电站业务无线接入选择算法

基于树莓派的EtherCAT主站设计与性能分析

基于脑电样本熵功率谱的VR诱发晕动症分析

基于Spark的并行k均值聚类模拟退火算法求解MMTSP

ADS-B技术在低空空域安全中应用的现状与展望

基于新型趋近律的PMSM反演滑模控制

改进蝗虫优化算法 在模糊神经网络PID控制中的研究

基于变截止频率的梯形离散磁链观测控制系统

基于单目深度估计和校准参数的距离测算方法

改进指数趋近律的炒药机模糊滑模温度控制方法

数据异质场景下的联邦学习模型校正与聚合

融合混合注意力和改进YoloX的铁路落石检测方法

基于Shuffle-Unet的视网膜血管分割研究

基于嵌入注意力机制的UNet-DB_ECA网络检测金具研究

基于图像增广与迁移学习的输电线路金具 多目标实时检测方法

改进ORB-SLAM2算法的关键帧选取及地图构建研究

基于深度学习的脊椎CT图像分割

应用于远距离视觉定位系统的特征图案研究

时间反转SH0波跨焊缝检裂纹缺陷研究

基于FPGA的金属异物检测系统设计

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!