面向非独立同分布数据的自适应联邦深度学习算法
张泽辉， 李庆丹， 富瑶， 何宁昕， 高铁杠 - 自动化学报, 2023 - aas.net.cn
近些年, 联邦学习(Federated learning, FL) 由于能够打破数据壁垒, 实现孤岛数据价值变现,
受到了工业界和学术界的广泛关注. 然而, 在实际工程应用中, 联邦学习存在着数据隐私泄露和 …
受到了工业界和学术界的广泛关注. 然而, 在实际工程应用中, 联邦学习存在着数据隐私泄露和 …
面向非独立同分布数据的自适应联邦深度学习算法
张泽辉， 李庆丹， 富瑶， 何宁昕， 高铁杠 - 自动化学报, 2023 - aas.net.cn
近些年, 联邦学习(Federated learning, FL) 由于能够打破数据壁垒, 实现孤岛数据价值变现,
受到了工业界和学术界的广泛关注. 然而, 在实际工程应用中, 联邦学习存在着数据隐私泄露和 …
受到了工业界和学术界的广泛关注. 然而, 在实际工程应用中, 联邦学习存在着数据隐私泄露和 …
面向非独立同分布数据的自适应联邦深度学习算法
张泽辉， 李庆丹， 富瑶， 何宁昕， 高铁杠 - 自动化学报, 2021 - aas.net.cn
近些年, 联邦学习由于能够打破数据壁垒, 实现孤岛数据价值变现, 受到了工业界和学术界的广泛
关注. 然而, 在实际工程应用中, 联邦学习存在着数据隐私泄露和模型性能损失的问题. 对此 …
关注. 然而, 在实际工程应用中, 联邦学习存在着数据隐私泄露和模型性能损失的问题. 对此 …