Federated Learning for Discrete Optimal Transport with Large Populations under Incomplete Information

💡 原文英文,约100词,阅读约需1分钟。
📝

内容提要

本研究提出了一种离散最优运输框架,解决了传统模型在大规模异质人群中的扩展性问题。通过全分布式算法和联邦学习方法,提高了资源分配效率和隐私保护,展现出良好的实施性能,具有重要的应用价值。

🎯

关键要点

  • 本研究提出了一种离散最优运输框架,解决了传统模型在大规模异质人群中的扩展性问题。
  • 针对已知和未知目标类型分布,提出了全分布式算法和基于联邦学习的方法。
  • 该方法显著提高了资源分配的效率和隐私保护。
  • 研究结果表明,该方法在实施中表现出优良的性能,具有重要的实际应用价值。
➡️

继续阅读