梯度辅助学习：面向去中心化多组织协作
机器学习
2022-10-12 v4
摘要
多个组织（如金融机构、医疗中心和零售市场）在去中心化环境下的协作对于提供改进的服务和性能至关重要。然而，底层组织可能几乎无意共享其本地数据、模型和目标函数。这些需求给多组织协作带来了新挑战。在这项工作中，我们提出梯度辅助学习 (GAL)，一种供多个组织在不共享本地数据、模型和目标函数的情况下于监督学习任务中相互协助的新方法。在该框架中，所有参与者协作优化本地损失函数的聚合，并且每个参与者通过迭代拟合总体目标函数的梯度自主构建自己的模型。我们还提供了 GAL 的渐近收敛性分析和实际案例研究。实验研究表明，当所有数据、模型和目标函数完全公开时，GAL 可以达到接近集中式学习的性能。
引用
@article{arxiv.2106.01425,
title = {GAL: Gradient Assisted Learning for Decentralized Multi-Organization Collaborations},
author = {Enmao Diao and Jie Ding and Vahid Tarokh},
journal= {arXiv preprint arXiv:2106.01425},
year = {2022}
}