ExpertMatcher：利用隐表示自动化为客户端选择 ML 模型
计算机视觉与模式识别
2019-10-10 v1 分布式、并行与集群计算
机器学习
摘要
近年来，Split Learning（分割学习）作为一种分布式计算框架得到了发展，其中模型组件在客户端与服务器之间分割（Vepakomma et al., 2018b）。随着 Split Learning 扩展到包含许多不同的模型组件，需要一种将客户端模型组件与最佳服务器端模型组件进行匹配的方法。ExpertMatcher（Sharma et al., 2019）框架引入了该问题的一种解决方案，其使用自编码器将原始数据匹配到模型。在本工作中，我们提出 ExpertMatcher 的一个扩展，其中可以在无需共享客户端原始数据表示的情况下进行匹配。该技术适用于存在本地客户端和集中式专家 ML 模型，但原始数据共享受限的情形。
引用
@article{arxiv.1910.03731,
title = {ExpertMatcher: Automating ML Model Selection for Clients using Hidden Representations},
author = {Vivek Sharma and Praneeth Vepakomma and Tristan Swedish and Ken Chang and Jayashree Kalpathy-Cramer and Ramesh Raskar},
journal= {arXiv preprint arXiv:1910.03731},
year = {2019}
}
备注
In NeurIPS Workshop on Robust AI in Financial Services: Data, Fairness, Explainability, Trustworthiness, and Privacy, 2019