联邦学习中的贡献评估:现有方法的考察
原文中文,约300字,阅读约需1分钟。发表于: 。联邦学习 (Federated Learning) 中的 Contribution Evaluation (CE) 问题对于计算每个客户端的公平价值的评估至关重要。本研究回顾了当前 CE 方法的数学框架,并对一些最有前景的方法进行了基准测试,展示它们与现有方法的差异。设计一个公平高效的 CE 方法对于联邦学习的主流应用至关重要。
评估是评估系统达到预期目标的方法。联合学习是一种隐私保护机器学习方法,允许多个参与方共同训练模型。本文回顾了现有研究中的评估目标和指标,并介绍了FedEval平台,提供了联合学习算法的评估框架。讨论了联合学习评估的挑战和未来研究方向。