关键词coded federated learning
搜索结果 - 3
- 自适应编码联邦学习:隐私保护与降低掉队者影响
本文介绍了自适应编码联邦学习(ACFL)的方法,其中在训练之前,每个设备上传一个带有加性噪声的编码本地数据集到中央服务器,以满足隐私保护要求产生全局编码数据集,通过设计聚合权重的自适应策略,聚合来自非滞后者的梯度和来自全局编码数据集的梯度, - MM联邦学习中减轻落后者影响的编码
本文提出了一种新的编码联合学习方案,利用一次性填充保护隐私和梯度编码以增强对抗滞后设备的鲁棒性,通过共享一次性填充局部数据集并使用梯度编码的方式,实现联合迭代训练全局线性模型。相比传统联合学习,该方案在 MNIST 和 Fashion-MN - ICML边缘联邦学习的编码计算
CodedFedL extends CFL to distributed non-linear regression and classification problems with multioutput labels by exploi