典型文献
联邦学习在无线网络中的应用
文献摘要：
无线网络将通过引入与融合人工智能技术实现网络泛在智能,已经成为普遍共识.传统集中式模型训练一般需要中央实体来负责数据的汇聚和处理工作,然而网络数据的直接共享困难、隐私需求和训练数据的传输成本较高等带来新的挑战.联邦学习作为新兴的分布式人工智能框架,可以在数据本地化前提下进行多方模型训练,成为未来无线网络实现泛在智能的重要解决方案之一.探索联邦学习在未来无线网络中的应用场景,并从通信效率提升、安全与隐私增强、模型个性化与激励机制等方面总结联邦学习与无线系统结合的研究热点,提出未来发展建议.
文献关键词：
联邦学习;无线网络;关键技术;应用场景
中图分类号：
作者姓名：
刘姿杉;程强;李建武
作者机构：
中国信息通信研究院,北京 100191;北京理工大学前沿技术研究院,山东济南 250300
文献出处：
引用格式：
[1]刘姿杉;程强;李建武-.联邦学习在无线网络中的应用)[J].无线电工程,2022(09):1609-1617
A类：
B类：
联邦学习,无线网络,泛在,集中式,模型训练,网络数据,训练数据,输成,习作,数据本地化,通信效率,安全与隐私,私增,无线系统
AB值：
0.256965
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。
