基于自編碼神經(jīng)網(wǎng)絡(luò)的半監(jiān)督聯(lián)邦學(xué)習(xí)模型

打開文本圖片集

摘要：聯(lián)邦學(xué)習(xí)是一種新型的分布式機(jī)器學(xué)習(xí)方法，可以使得各客戶端在不分享隱私數(shù)據(jù)的前提下共同建立共享模型。然而現(xiàn)有的聯(lián)邦學(xué)習(xí)框架僅適用于監(jiān)督學(xué)習(xí)，即默認(rèn)所有客戶端數(shù)據(jù)均帶有標(biāo)簽。由于現(xiàn)實(shí)中標(biāo)記數(shù)據(jù)難以獲取，聯(lián)邦學(xué)習(xí)模型訓(xùn)練的前提假設(shè)通常很難成立。為解決此問題，對(duì)原有聯(lián)邦學(xué)習(xí)進(jìn)行擴(kuò)展，提出了一種基于自編碼神經(jīng)網(wǎng)絡(luò)的半監(jiān)督聯(lián)邦學(xué)習(xí)模型ANN-SSFL，該模型允許無標(biāo)記的客戶端參與聯(lián)邦學(xué)習(xí)。（剩余15232字）