BriefGPT.xyz
Feb, 2019
一次性联邦学习
One-Shot Federated Learning
HTML
PDF
Neel Guha, Ameet Talwlkar, Virginia Smith
TL;DR
本文介绍了一种单次联邦学习方法,通过使用集成学习和知识聚合,使得中央服务器可以在单次通信中学习联合设备网络上的全局模型,在AUC方面相对于本地基线获得了51.5%左右的平均相对收益,并且达到了全局理想状态的90.1%左右。最后,我们讨论了这些方法并识别了一些有希望的未来工作方向。
Abstract
We present
one-shot federated learning
, where a central server learns a global model over a network of federated devices in a single round of communication. Our approach - drawing on
ensemble learning
and
→