标签:Processes Federated Learning using Personalized 坑位
前一篇是ICML 2021的,后一篇是NIPS 2021的。
Personalized Federated Learning using Hypernetworks
这篇文章很有意思的地方在于,直接使用一个hypernetwork
根据用户的特征向量生成个性化的模型参数,即:
还没有精读,但是他的思想很粗暴,不像hierarchy model
一样还需要假设分布之类的,直接用一个网络来模拟模型参数的生成过程。有两个问题没解决:
- 用户特征怎么定义
- 收敛性
Personalized Federated Learning with Gaussian Processes
这篇应该和前一篇是同一个组的,到时候一起看代码细读下,先占个坑位。
标签:Processes,Federated,Learning,using,Personalized,坑位 来源: https://www.cnblogs.com/DemonHunter/p/15616063.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。