穷酸秀才大艹包

摘要： 郑重声明：原文参见标题，如有侵权，请联系作者，将会撤销发布！ 以下是对本文关键部分的摘抄翻译，详情请参见原文。 Abstract 移动应用程序已经成为我们日常生活中不可或缺的一部分，但许多应用程序的设计都不具备能源意识，因此它们可能会以浪费的方式消耗移动设备上有限的资源。盲目地限制大量的资源使用，在 阅读全文

摘要： 我们解决了非i.i.d.情况下的联邦学习问题，在这种情况下，局部模型漂移，抑制了学习。基于与终身学习的类比，我们将灾难性遗忘的解决方案改用在联邦学习上。我们在损失函数中加入一个惩罚项，强迫所有局部模型收敛到一个共享的最优值。我们表明，这可以有效地进行通信（不增加进一步的隐私风险），在分布式设置中随着节点数量的增加而扩展。实验结果表明，该方法在MNIST数据集上的识别效果优于同类方法。 阅读全文