일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | ||||||
2 | 3 | 4 | 5 | 6 | 7 | 8 |
9 | 10 | 11 | 12 | 13 | 14 | 15 |
16 | 17 | 18 | 19 | 20 | 21 | 22 |
23 | 24 | 25 | 26 | 27 | 28 |
Tags
- 연합학습
- PPML
- OOD
- Agnostic FL
- FedAvg
- Differential Privacy
- Analysis
- Machine learning
- OoDD
- free rider
- FL
- deep learning
- value shaping
- convergence
- 기계학습
- DP
- ML
- Federated Transfer Learning
- OSR
- q-FFL
- 딥러닝
- Federated Learning
- FedProx
- 머신러닝
- ordered dropout
- Fairness
- data maximization
- Open Set Recognition
- q-FedAvg
- 개인정보
Archives
- Today
- Total
목록AFL (1)
Federated Learning
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/4e2Ne/btrPT2z2n5Q/JzGO6nlCCuUeSleMkgPHl0/img.png)
논문 제목: Agnostic Federated Learning 출처: https://arxiv.org/abs/1902.00146 이번 포스트부터는 fairness에 관한 내용을 살펴볼 예정입니다. FL의 특성 상 불특정 다수의 client가 학습에 관여하게 되는데, 이때 학습에 기여하는 정도는 각 client 별로 다를 것입니다. 예를 들어, straggler와 같이 환경적인 요인으로 인해 학습에 참여하지 못한 client가 생길 수도 있고, 혹시라도 개인정보가 유출될까봐 걱정되어 데이터 사용에 동의하지 않는 application 사용자도 있을 것입니다. 반대로, random하게 sampling을 진행하지만 우연히도 매 round마다 학습에 참여하게 된 client가 있을 수도 있고, 또 그중에는 학습을..
Federated Learning/Papers
2022. 11. 2. 13:30