知识注入的联邦学习
机器学习
2022-08-17 v1 人工智能
摘要
联邦学习是一种从分散数据集训练模型的新兴技术。在许多应用中，参与联邦学习系统的数据持有者不仅拥有数据，还掌握一组领域知识。此类知识包含对联邦学习任务极有帮助的人类诀窍与技艺。本工作中，我们提出一种允许注入参与者领域知识的联邦学习框架，其关键思想是在本地以知识精炼全局模型。我们所考虑的场景受真实工业级应用驱动，并针对该应用展示了方法的有效性。
引用
@article{arxiv.2208.07530,
title = {Knowledge-Injected Federated Learning},
author = {Zhenan Fan and Zirui Zhou and Jian Pei and Michael P. Friedlander and Jiajie Hu and Chengliang Li and Yong Zhang},
journal= {arXiv preprint arXiv:2208.07530},
year = {2022}
}