典型文献
群体智能中的联邦学习算法综述
文献摘要：
群体智能是在互联网高速普及下诞生的人工智能新范式.然而,数据孤岛与数据隐私保护问题导致群体间数据共享困难,群体智能应用难以构建.联邦学习是一类新兴的打破数据孤岛、联合构建群智模型的重要方法.首先,介绍了联邦学习的基础概念以及其与群体智能的关系;其次,基于群体智能视角对联邦学习算法框架进行了分类,从隐私、精度与效率3个角度讨论了联邦学习算法优化技术;而后,阐述了基于线性模型、树模型与神经网络模型的联邦学习算法模型;最后,介绍了联邦学习代表性开源平台与典型应用,并对联邦学习研究进行总结展望.
文献关键词：
群体智能;联邦学习;隐私保护
中图分类号：
作者姓名：
杨强;童咏昕;王晏晟;范力欣;王薇;陈雷;王魏;康焱
作者机构：
深圳前海微众银行股份有限公司,广东 深圳 518063;香港科技大学,香港 999077;北京航空航天大学,北京 100191;南京大学,江苏 南京 210033
文献出处：
引用格式：
[1]杨强;童咏昕;王晏晟;范力欣;王薇;陈雷;王魏;康焱-.群体智能中的联邦学习算法综述)[J].智能科学与技术学报,2022(01):27-44
A类：
B类：
群体智能,联邦学习,新范式,数据孤岛,数据隐私保护,保护问题,群体间,智能应用,联合构建,建群,基础概念,对联,精度与效率,算法优化,优化技术,线性模型,树模型,算法模型,开源平台,典型应用,学习研究
AB值：
0.288292
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
