面向普适服务的融合持续学习与联邦学习的蒸馏方法
人工智能
2021-09-10 v1
摘要
联邦学习作为一种增强边缘设备使用的新型机器学习范式，在普适计算领域正受到广泛关注，以支持智能服务的开发。然而，这种方法仍需适应普适领域的特殊性。特别是，需要解决与持续学习相关的问题。本文提出一种基于蒸馏的方法，用于处理联邦学习场景中的灾难性遗忘问题。具体地，以人类活动识别任务作为示范领域。
引用
@article{arxiv.2109.04197,
title = {A distillation-based approach integrating continual learning and federated learning for pervasive services},
author = {Anastasiia Usmanova and François Portet and Philippe Lalanda and German Vega},
journal= {arXiv preprint arXiv:2109.04197},
year = {2021}
}