联邦学习（Federated Learning）

时间 2021-01-02

原文原文链接

联邦学习简介联邦学习（Federated Learning）是一种新兴的人工智能基础技术，在 2016 年由谷歌最先提出，原本用于解决安卓手机终端用户在本地更新模型的问题，其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下，在多参与方或多计算结点之间开展高效率的机器学习。其中，联邦学习可使用的机器学习算法不局限于神经网络，还包括随机森林等重要

>>阅读原文<<

1. 联邦学习（Federated Learning）
2. 联邦元学习Federated meta learning
3. 联邦学习（Federated Learning）介绍
4. 联邦学习Federated Learning学习笔记（1）
5. （转载）联邦学习 Federated Learning 相关资料整理
6. 01联邦学习的介绍:Why And How Federated Learning
7. 联邦学习论文阅读 Federated Online Learning to Rank with Evolution Strategies
8. 联邦学习 Federated Learning 相关资料整理
9. 联邦学习论文阅读：Federated meta-learning for recommendation
10. 联邦学习
更多相关文章...