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
- free rider
- FedProx
- 머신러닝
- 딥러닝
- q-FedAvg
- Fairness
- Machine learning
- FedAvg
- 개인정보
- 기계학습
- value shaping
- OSR
- convergence
- ML
- ordered dropout
- Federated Learning
- deep learning
- 연합학습
- Open Set Recognition
- OoDD
- data maximization
- Agnostic FL
- q-FFL
- PPML
- Analysis
- FL
- Differential Privacy
- Federated Transfer Learning
- DP
- OOD
Archives
- Today
- Total
목록Distributed Learning (1)
Federated Learning
1. 분산학습과 연합학습
연합학습(Federated Learning, FL)을 처음 접하면 "그래서 그게 분산학습(Distributed Learning, DL)과 어떻게 다른 건데?"라는 생각을 할 수 있습니다. 이번 게시글에서는 우선적으로 연합학습을 정의할 것입니다. 그다음, 분산학습과 연합학습이 어떻게 다른지, 그리고 그 결과 연합학습에는 추가적으로 어떠한 해결해야 할 문제점이 존재하는지에 관해서 알아보겠습니다. 각각의 문제점에 대해서는 자세히 다루지 않을 것이며, 별도의 포스팅으로 이야기할 계획입니다. 우선, 사람들이 정의하는 연합학습이 무엇인지 한 번 확인해봅시다. We advocate an alternative that leaves the training data distributed on the mobile devic..
Federated Learning/Fundamentals
2022. 7. 3. 20:00