无初始模型的盲联邦学习
机器学习
2024-04-26 v1
摘要
联邦学习是一种新兴的机器学习方法，允许在多个持有各自私有数据的参与者之间构建模型。该方法安全且保护隐私，适用于使用来自不同来源（如医院）的敏感数据训练机器学习模型。本文提出了两种创新的基于粒子群优化的模糊认知图联邦学习方法，以保护隐私的方式实现。此外，本研究的一个相关贡献是联邦学习过程中缺乏初始模型，使其实际上是盲的。该提议在多个开放数据集上进行了测试，提高了准确性和精确度。
引用
@article{arxiv.2404.16180,
title = {Blind Federated Learning without initial model},
author = {Jose L. Salmeron and Irina Arévalo},
journal= {arXiv preprint arXiv:2404.16180},
year = {2024}
}