【论文学习】关于联邦学习激励机制的2篇T2论文
生活随笔
收集整理的這篇文章主要介紹了
【论文学习】关于联邦学习激励机制的2篇T2论文
小編覺得挺不錯的,現(xiàn)在分享給大家,幫大家做個參考.
目錄
- 文章一
- 摘要截圖
- 主要內(nèi)容
- 文章二
- 摘要截圖
- 主要內(nèi)容
文章一
摘要截圖
主要內(nèi)容
- 將激勵機制分為面向貢獻測量、面向客戶選擇、面向支付分配以及面向多子問題優(yōu)化四種類型
- FL的難點在于異質(zhì)性(non iid)以及不公平性
- 很多激勵機制都適用博弈論,使得問題達到xx均衡得到最優(yōu)解
- 激勵機制的子問題(貢獻測量、客戶選擇、支付分配)
- 貢獻測量需要考慮多維度,甚至公開可驗證的(使用區(qū)塊鏈)
- 客戶選擇,考慮聲譽(muti-krum),也可以考慮拍賣等,使得效用最大化等
- 支付分配,可考慮隱私預(yù)算、或者動態(tài)分配來縮短獎勵延遲等
- 激勵機制的論文總結(jié)
- 展望:考慮貢獻測量方法、激勵機制的計算成本以及模型性能;GFA的聯(lián)邦平均可以考慮忽略某些用戶免受攻擊等
文章二
摘要截圖
主要內(nèi)容
- 考慮聯(lián)邦學(xué)習(xí)的能耗問題
- 雙邊拍賣就是買賣房可以隨時切換
- 分層聯(lián)邦學(xué)習(xí)通過加入邊緣服務(wù)器,有效地得到更高效的通信,也可以縮短訓(xùn)練時間和能量開銷
- 激勵機制考慮拍賣,移動設(shè)備確定模型的訓(xùn)練成本,邊緣服務(wù)器進行選擇,并定義分配和支付規(guī)則
- 考慮了若干最優(yōu)化問題,目的是降低移動設(shè)備的能耗
總結(jié)
以上是生活随笔為你收集整理的【论文学习】关于联邦学习激励机制的2篇T2论文的全部內(nèi)容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: 实现mini智能助理—模型训练
- 下一篇: 一本通-1014:与圆相关的计算