咨询与建议

限定检索结果

文献类型

  • 27 篇 学位论文
  • 21 篇 期刊文献
  • 21 篇 专利

馆藏范围

  • 69 篇 电子文献
  • 0 种 纸本馆藏

日期分布

学科分类号

  • 48 篇 工学
    • 47 篇 计算机科学与技术...
    • 39 篇 软件工程
    • 36 篇 控制科学与工程
    • 8 篇 网络空间安全
    • 6 篇 仪器科学与技术
    • 5 篇 信息与通信工程
    • 4 篇 电子科学与技术(可...
    • 3 篇 机械工程
    • 1 篇 光学工程
    • 1 篇 交通运输工程
    • 1 篇 公安技术
  • 39 篇 管理学
    • 39 篇 管理科学与工程(可...
  • 1 篇 艺术学
    • 1 篇 设计学(可授艺术学...

主题

  • 48 篇 客户端选择
  • 42 篇 联邦学习
  • 8 篇 模型聚合
  • 5 篇 非独立同分布
  • 4 篇 深度强化学习
  • 4 篇 数据异构
  • 3 篇 差分隐私
  • 3 篇 聚类
  • 3 篇 分层联邦学习
  • 2 篇 模型评估
  • 2 篇 异质性数据
  • 2 篇 资源异构
  • 2 篇 激励机制
  • 2 篇 全局模型
  • 2 篇 多目标优化
  • 2 篇 lyapunov优化
  • 2 篇 通信效率
  • 1 篇 数据异构性
  • 1 篇 奖励分配
  • 1 篇 边缘智能

机构

  • 5 篇 杭州电子科技大学
  • 4 篇 东莞理工学院
  • 3 篇 唐山市数据科学重...
  • 3 篇 吉林大学
  • 3 篇 河北省数据科学与...
  • 3 篇 华北理工大学
  • 2 篇 海南大学
  • 2 篇 嘉通奥祺科技有限...
  • 2 篇 北京邮电大学
  • 2 篇 南京邮电大学
  • 2 篇 山西大学
  • 1 篇 上海卓悠网络科技...
  • 1 篇 北京交通大学
  • 1 篇 华南师范大学
  • 1 篇 泛在感知与互联重...
  • 1 篇 海南师范大学
  • 1 篇 华北电力大学
  • 1 篇 国防科技大学
  • 1 篇 上海理工大学
  • 1 篇 南京信息工程大学

作者

  • 2 篇 温依霖
  • 2 篇 张凌羽
  • 2 篇 吴宇
  • 2 篇 王晓杰
  • 2 篇 张婷
  • 2 篇 陈烁
  • 2 篇 李原
  • 2 篇 张嘉翔
  • 2 篇 陈学斌
  • 1 篇 梅敬成
  • 1 篇 田杰
  • 1 篇 菅银龙
  • 1 篇 蔡雨声
  • 1 篇 华伦·斯考特·温纳...
  • 1 篇 张国强
  • 1 篇 r·伯杰
  • 1 篇 徐臻帅
  • 1 篇 曾艳
  • 1 篇 万松恒
  • 1 篇 高瑞

语言

  • 69 篇 中文
检索条件"主题词=客户端选择"
69 条 记 录,以下是1-10 订阅
排序:
跨设备联邦学习中的客户端选择算法
收藏 引用
软件学报 2024年 第12期35卷 5725-5740页
作者: 张瑞麟 杜晋华 尹浩 清华大学计算机科学与技术系 北京100084 清华大学北京信息科学与技术国家研究中心 北京100084
联邦学习是一种新型的分布式机器学习范式,它在满足用户隐私和数据保密性要求的前提下,充分利用众多分散客户端的计算能力及其本地数据联合训练机器学习模型.在跨设备联邦学习场景下,客户端通常由数千甚至万级别的移动设备或侧设备组... 详细信息
来源: 评论
基于模型相似度与本地损失的双重客户端选择算法
收藏 引用
计算机工程 2024年 第8期50卷 153-164页
作者: 李红娇 王宝金 王朝晖 胡仁豪 上海电力大学计算机科学与技术学院 上海201306
联邦学习是一种分布式机器学习技术,通过聚合客户端本地模型参数共建全局模型。现有的联邦学习客户端选择算法作用于训练前或者训练后。面对统计异质的客户端数据,训练前选择算法会使一些性能较差的客户端参与聚合,导致模型的准确率下... 详细信息
来源: 评论
资源高效的聚类协同联邦学习客户端选择方法
收藏 引用
吉林大学学报(工学版) 2024年
作者: 李强 张凌羽 孟祥宇 吉林大学计算机科学与技术学院
联邦学习的一个关键问题就是各客户端的资源异构性和数据异构性。为此提出了资源高效的聚类协同联邦学习客户端选择方法,根据各客户端的计算能力将其分组,在每轮训练中以每组客户端的平均准确率作为间接度量选择同组客户端,在每组内... 详细信息
来源: 评论
基于本地模型质量的客户端选择方法
收藏 引用
计算机工程 2023年 第6期49卷 131-143页
作者: 温依霖 赵乃良 曾艳 韩猛 岳鲁鹏 张纪林 杭州电子科技大学计算机学院 杭州310018 杭州电子科技大学复杂系统建模与仿真教育部重点实验室 杭州310018 数据安全治理浙江省工程研究中心 杭州310018
联邦学习是一种针对数据分布于多个客户端的环境下,客户端共同协作训练模型的分布式机器学习方法。在理想情况下全部客户端均参与每轮训练,但是实际应用中只随机选择一部分客户端参与。随机选择客户端通常不能全面反映全局数据分布特... 详细信息
来源: 评论
基于标签分类的联邦学习客户端选择方法
收藏 引用
计算机应用 2024年 第12期44卷 3759-3765页
作者: 张祖篡 陈学斌 高瑞 邹元怀 华北理工大学理学院 河北唐山063210 河北省数据科学与应用重点实验室(华北理工大学) 河北唐山063210 唐山市数据科学重点实验室(华北理工大学) 河北唐山063210
联邦学习作为一种分布式的机器学习方法,在保护数据隐私的同时可以充分挖掘数据中的价值;然而传统的联邦学习训练方法只是随机选择参与客户端,难以适应非独立同分布(Non-IID)数据集。针对Non-IID数据下联邦学习模型精度低、收敛慢等问题... 详细信息
来源: 评论
基于背包模型的联邦学习客户端选择方法
收藏 引用
物联网学报 2022年 第4期6卷 158-168页
作者: 郭佳慧 陈卓越 高玮 王玺钧 孙兴华 高林 中山大学 广东广州510006 哈尔滨工业大学(深圳) 广东深圳518055
近年来,为了打破数据“壁垒”,联邦学习被广泛关注。联邦学习不需要客户端上传原始数据就能完成模型训练,保护了用户的隐私。针对客户端设备具有异构性的问题,考虑各个客户端对加速全局模型收敛的贡献程度和系统的通信开销,以最大化客... 详细信息
来源: 评论
基于欧几里得距离的客户端选择联邦学习方案
收藏 引用
建模与仿真 2025年 第4期14卷 1200-1211页
作者: 邬淑敏 刘亚 上海理工大学光电信息与计算机工程学院 上海
联邦学习(Federated Learning)作为一种先进的分布式机器学习框架,它允许多个参与者在各自数据不出本地的前提下,协同开展模型训练工作,保护数据隐私。然而,传统联邦学习在实际应用中存在数据异质性影响联邦学习系统的效率和收敛性,限... 详细信息
来源: 评论
面向异构场景的联邦学习客户端选择方法
面向异构场景的联邦学习客户端选择方法
收藏 引用
作者: 张凌羽 吉林大学
学位级别:硕士
在大数据时代的背景下,各类智能电子设备每天都在产生大量数据,各类数据的规模和类型在不断增加,人工智能技术因此得以飞速发展。然而如何保证数据安全和用户隐私已成为如今人工智能技术的一大挑战。面对这一挑战,谷歌提出了联邦学习这... 详细信息
来源: 评论
基于自适应剪枝和客户端选择的联邦学习通信优化研究与实现
基于自适应剪枝和客户端选择的联邦学习通信优化研究与实现
收藏 引用
作者: 刘海洋 山东大学
学位级别:硕士
随着信息技术和人工智能的不断发展,物联网设备每天都会产生海量的数据,其在为机器学习提供训练资源的同时,也带来诸多隐私安全问题。联邦学习应运而生,通过传输训练参数或梯度代替数据的方式来保护客户端隐私。但随着模型复杂度的... 详细信息
来源: 评论
基于多目标优化的联邦学习客户端选择研究
基于多目标优化的联邦学习客户端选择研究
收藏 引用
作者: 葛炳辰 太原科技大学
学位级别:硕士
联邦学习,一种基于隐私保护的机器学习分布式范式,使不同的客户端能够在不共享各自数据的情况下共同学习一个全局模型。客户端选择作为联邦学习中的关键一步,对其效率和公平性有着关键性的影响。然而,不同客户端在数据特征和设备性能上... 详细信息
来源: 评论