基于联邦学习的生产线故障预测：一项实证研究
机器学习
2021-01-29 v1
摘要
跨组织的数据保护限制了集中式学习（CL）技术的应用。联邦学习（FL）使多个参与方能够在不共享数据的情况下构建学习模型。然而，关于智能制造中 FL 的研究工作极少。本文给出了基于 FL 的生产线故障预测实证研究的结果。本文（1）针对横向 FL 和纵向 FL 场景分别设计了联邦支持向量机（FedSVM）和联邦随机森林（FedRF）算法；（2）提出了一种用于评估 FL 与 CL 算法之间有效性的实验流程；（3）发现 FL 与 CL 在全局测试数据、随机部分测试数据以及估计的未知 Bosch 数据上的性能分别无显著差异。测试数据的异质性这一事实强化了我们的发现。我们的研究揭示 FL 可替代 CL 用于故障预测。
引用
@article{arxiv.2101.11715,
title = {Failure Prediction in Production Line Based on Federated Learning: An Empirical Study},
author = {Ning Ge and Guanghao Li and Li Zhang and Yi Liu Yi Liu},
journal= {arXiv preprint arXiv:2101.11715},
year = {2021}
}