购买
下载掌阅APP,畅读海量书库
立即打开
畅读海量书库
扫码下载掌阅APP

第3章

中央服务器优化算法

中央服务器优化算法(Central Server Optimization Algorithm)是指在联邦学习中,服务器接收到来自参与方的局部模型相关参数之后,将所有参数聚合成全局模型相关参数时采用的算法。

联邦学习不同于一般机器学习算法的一个很重要的区别就是:联邦学习算法框架中,优化算法在中央服务器端工作,联邦机器学习算法在各参与方工作。

目前,中央服务器优化算法主要包括联邦随机梯度下降(Federated Stochastic Gradient Descent,FedSGD)算法、联邦平均(Federated Averaging,FedAvg)算法、差分隐私联邦随机梯度下降(Differential Privacy Federated Stochastic Gradient Descent,DP-FedSGD)算法、差分隐私联邦平均(Differential Privacy Federated Averaging,DP-FedAvg)算法等,下面对各个中央服务器优化算法进行详细介绍。 l6vaUENWAM2uLn0hSzEkvnMu12D9EfYjIw7stwuF6C1j5aXhqLF2TZ5/AtdhVoCV

点击中间区域
呼出菜单
上一章
目录
下一章
×