知识卡片
迁移表征兼顾预测与对齐
书中联邦迁移框架让各方学习隐藏表征,联合优化标签预测损失、重叠样本表征对齐损失及正则项,再通过受保护的中间计算更新各方模型。对齐目标并不保证隐私或预测质量自动成立。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第9章 联邦学习
原书出处 · 1 处
- 联邦学习 · 查看原书依据
除了上述目标,我们还希望最小化A方和B方的对齐损失
参考来源
- 位置:《现代人工智能技术》第9章《联邦学习》(来源项目:book-source;源文件:extracted/现代人工智能技术/_epub-src/EPUB/xhtml/chapter11.xhtml)
- 结论依据:本节对概念、方法与约束的说明。
- 原始内容:除了上述目标,我们还希望最小化A方和B方的对齐损失