典型文献
联邦学习在电力数据分析中的应用及隐私保护研究
文献摘要：
近年来,人工智能技术在智能电网的调控和数据分析中发挥着日益重要的作用,但是在智能电网数据分析中的"数据壁垒"和隐私泄露是当前亟待解决的问题.为此,文章引入了人工智能领域新兴的联邦学习概念,分析了联邦学习在电力数据分析中的研究现状,并探索了联邦学习在电力数据分析中的应用场景.联邦学习方法能够在最大程度提高模型精确度的同时保证机器学习算法的收敛性与优良性能;将联邦学习与电力数据分析相结合,既能最大化地发挥利益相关者的作用,又能满足各利益相关者的隐私保护需求.联邦学习将为智能电网的信息化和智能化发展开辟全新的路径.
文献关键词：
联邦学习;隐私保护;电力数据分析;机器学习;深度学习
中图分类号：
作者姓名：
戴理朋;杨鑫;徐茹枝
作者机构：
华北电力大学控制与计算机工程学院,北京 102206
文献出处：
引用格式：
[1]戴理朋;杨鑫;徐茹枝-.联邦学习在电力数据分析中的应用及隐私保护研究)[J].电力信息与通信技术,2022(11):47-56
A类：
B类：
联邦学习,电力数据分析,隐私保护,保护研究,智能电网,电网数据分析,数据壁垒,隐私泄露,人工智能领域,机器学习算法,收敛性,优良性,利益相关者,智能化发展
AB值：
0.190319
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。
