联邦学习及其在加速工业物联网中应用综述
分布式、并行与集群计算
2021-04-22 v1 人工智能
机器学习
摘要
联邦学习（FL）将协作智能引入工业界而无需集中训练数据，从而在边缘计算层面加速工业 4.0 进程。FL 解决了企业希望在数据安全顾虑下利用数据智能的困境。为借助 FL 的进一步杠杆作用加速工业物联网，现有 FL 成果从三方面展开：1) 定义术语并阐述适用于多种场景的 FL 通用框架；2) 讨论 FL 在基础研究的现状，包括数据划分、隐私保护、模型优化、本地模型传输、个性化、激励机制、平台与工具以及基准；3) 从经济学视角讨论 FL 的影响。为吸引工业界学术界与实践的更多关注，提出了一种 FL 转型的制造范式，给出了 FL 的未来研究方向，并提出了在工业 4.0 领域中可能的即时应用。
引用
@article{arxiv.2104.10501,
title = {A Survey on Federated Learning and its Applications for Accelerating Industrial Internet of Things},
author = {Jiehan Zhou and Shouhua Zhang and Qinghua Lu and Wenbin Dai and Min Chen and Xin Liu and Susanna Pirttikangas and Yang Shi and Weishan Zhang and Enrique Herrera-Viedma},
journal= {arXiv preprint arXiv:2104.10501},
year = {2021}
}