Jun, 2024
食品研究中的联邦学习
Federated learning in food research
TL;DR研究在食品领域受到数据共享障碍的限制,这些障碍包括数据所有权、隐私需求和法规。联邦学习是一种通过在本地保存数据并仅共享学到的参数的方法,可以缓解数据共享障碍。本系统综述调查了联邦学习在食品领域的应用,将包含的文献结构化为联邦学习框架,突出知识缺口,并讨论了潜在应用。共有41篇论文纳入综述。目前的应用包括解决水和牛奶质量评估、水处理的网络安全、农药残留风险分析、杂草检测和欺诈检测,重点是集中式横向联邦学习。发现其中一个缺口是缺乏纵向或转移联邦学习和去中心化架构。