面向異構(gòu)數(shù)據(jù)的個(gè)性化聯(lián)邦多任務(wù)學(xué)習(xí)優(yōu)化方法

打開(kāi)文本圖片集

摘 要：

聯(lián)邦學(xué)習(xí)是一種新興的分布式機(jī)器學(xué)習(xí)范式，在保護(hù)數(shù)據(jù)隱私的同時(shí)協(xié)作訓(xùn)練全局模型，但也面臨著在數(shù)據(jù)異構(gòu)情況下全局模型收斂慢、精度低的問(wèn)題。針對(duì)上述問(wèn)題，提出一種面向異構(gòu)數(shù)據(jù)的個(gè)性化聯(lián)邦多任務(wù)學(xué)習(xí)優(yōu)化（federated multi-task learning optimization，F(xiàn)edMTO）算法。（剩余15510字）