基于自编码神经网络的半监督联邦学习模型

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：联邦学习是一种新型的分布式机器学习方法，可以使得各客户端在不分享隐私数据的前提下共同建立共享模型。然而现有的联邦学习框架仅适用于监督学习，即默认所有客户端数据均带有标签。由于现实中标记数据难以获取，联邦学习模型训练的前提假设通常很难成立。为解决此问题，对原有联邦学习进行扩展，提出了一种基于自编码神经网络的半监督联邦学习模型ANN-SSFL，该模型允许无标记的客户端参与联邦学习。（剩余15232字）

试读结束

目录
monitor