应对机器学习中现代与实际挑战：在线联邦与迁移学习综述
机器学习
2022-02-08 v1
摘要
在线联邦学习（OFL）与在线迁移学习（OTL）是克服数据孤岛、流式数据与数据安全等现代机器学习挑战的两种协作范式。本综述沿其主要演进路径探讨 OFL 与 OTL，以增进对在线联邦与迁移学习的理解。此外，本文强调了用于在线联邦与迁移学习的流行数据集与前沿应用的实际方面。进一步，本综述提供了潜在未来研究领域的见解，旨在作为开发在线联邦与迁移学习框架的专业人员的资源。
引用
@article{arxiv.2202.03070,
title = {Addressing modern and practical challenges in machine learning: A survey of online federated and transfer learning},
author = {Shuang Dai and Fanlin Meng},
journal= {arXiv preprint arXiv:2202.03070},
year = {2022}
}