AI 检索
AI 阅读
analysis
趋势分析
编组
开放平台
more
更多
排名
必读论文
期刊顶会
热点
AI 简史
溯源树
小脉星探
人才迁徙
塔尖人才
国防情报追踪
开源工具
智慧手语
VIP
Created with Sketch.
立即登录
学术主页
个人账号
我的关注
论文收藏
浏览历史
联邦学习
联邦学习(Federated Learning)是一种新兴的人工智能基础技术,在 2016 年由谷歌最先提出,原本用于解决安卓手机终端用户在本地更新模型的问题,其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器学习。其中,联邦学习可使用的机器学习算法不局限于神经网络,还包括随机森林等重要算法。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。
必读论文
代表学者
代表机构
年份
引用数
无数据, 请查看其它
0
年份
引用数
搜索