论文12:07一次性分布式学习新论文:引入服务器数据改进加权平均的 MSE 界一篇联邦学习理论论文:worker 数量超过一定规模时,普通加权平均会失效,但加上服务器自己的数据就能救回来,还给了具体的样本量条件。#分布式学习#联邦学习#MSE#CIFAR-10aarXiv cs.LG@Pavle Tepavčević 等 3 人原文稍后读已读值得跟进有用关注 分布式学习
论文Agent 与开发者09:43FairMean:分布式学习中应对标签投毒的公平性方法分布式训练里投毒攻击会让公平性机制反被利用,这篇论文给出加权方案,理论证明加实验都有,做联邦学习的人可以看看。#FairMean#联邦学习#分布式学习#AI安全aarXiv cs.AI@Huigan Zheng 等 3 人原文稍后读已读值得跟进有用关注 FairMean
论文09:34分布式卷积秩回归在去中心化网络上的研究这篇论文提出了去中心化网络下的卷积秩回归新框架,用ADMM高效求解,还给出了理论保证,做分布式学习的值得一看。#Convolution Rank Regression#去中心化网络#ADMM#分布式学习aarXiv cs.LG@Chunjing Li 等 3 人原文稍后读已读值得跟进有用关注 Convolution Rank Regression