BriefGPT.xyz
Jun, 2010
分布式自主在线学习：遗憾和内在隐私保护特性
Cooperative Autonomous Online Learning
HTML
PDF
Feng Yan, S. V. N. Vishwanathan, Yuan Qi
TL;DR
本文研究了基于分布式数据源的在线学习，提出了一种新的算法，可以保障网络中的隐私。该算法使用通信网络中的本地数据源更新本地参数，并且在网络中的一个小子集周期性地交换信息。我们导出了强凸函数的遗憾界，我们的算法有内在的隐私保护性质，且证明了网络中的隐私保护的必要和充分条件。
Abstract
online learning
is becoming increasingly popular for training on large datasets. However, the sequential nature of
online learning
requires a centralized learner to store data and update parameters. In this paper
→