面向联邦学习的快速深度自编码器
机器学习
2023-07-19 v2
摘要
本文提出了一种新颖、快速且保护隐私的深度自编码器实现。DAEF（面向联邦学习的深度自编码器）不同于传统神经网络，它以非迭代方式训练深度自编码器网络，从而大幅减少训练时间。其训练可以分布式（数据集的若干分区并行）和增量式（部分模型的聚合）进行，并且由于其数学表述，所交换的数据不会危及用户隐私。这使得DAEF成为边缘计算和联邦学习场景下的有效方法。该方法已使用七个真实异常检测数据集进行评估，并与传统（迭代式）深度自编码器比较，尽管DAEF训练更快，但二者性能表现相近。
引用
@article{arxiv.2206.05136,
title = {Fast Deep Autoencoder for Federated learning},
author = {David Novoa-Paradela and Oscar Romero-Fontenla and Bertha Guijarro-Berdiñas},
journal= {arXiv preprint arXiv:2206.05136},
year = {2023}
}