基于联邦学习的多源异构数据融合模型研究

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

【关键词】联邦学习；多源异构数据；数据融合

引言

医疗、金融、物联网等领域到处都有多源异构数据，类型的差异、结构的多样以及分布的不一致现象，对数据融合与智能建模提出了挑战，隐私保护需求的持续增长，使传统集中式处理模式面临法律与技术的双重压力。联邦学习作为一种分布式合作的建模模式，在不泄露原始数据的前提下实现模型共享，为异构数据融合开辟可行途径。（剩余4685字）

试读结束

目录
monitor