基于相似度加速的自适应聚类联邦学习

朱素霞; 顾玢珂; 孙广路

doi:10.11959/j.issn.1000-436x.2024069

您当前的位置：

首页 >

文章列表页 >

基于相似度加速的自适应聚类联邦学习

学术论文 | 更新时间：2024-05-31

- 基于相似度加速的自适应聚类联邦学习
- Adaptive clustering federated learning via similarity acceleration
- “在联邦学习领域，研究者提出了基于相似度加速的自适应聚类联邦学习算法ACFL，有效提升了模型性能，具有更快的收敛速度。”
- 通信学报 2024年45卷第3期页码：197-207
- 作者机构：
  
  1. 哈尔滨理工大学计算机科学与技术学院，黑龙江哈尔滨 150080
  2. 黑龙江省智能信息处理及应用重点实验室，黑龙江哈尔滨 150080
- 作者简介：
  
  [ "朱素霞（1978− ），女，黑龙江哈尔滨人，博士，哈尔滨理工大学副教授，主要研究方向为隐私与安全、物联网和并行计算" ]
  [ "顾玢珂（1996− ），男，河南周口人，哈尔滨理工大学硕士生，主要研究方向为联邦学习" ]
  [ "孙广路（1979− ），男，黑龙江哈尔滨人，博士，哈尔滨理工大学教授，主要研究方向为计算机软件、网络计算、信息安全、Agent技术等" ]
- 基金信息：
  
  黑龙江省自然科学基金资助项目(LH2021F032);黑龙江省重点研发计划基金资助项目(2022ZX01A34)
- DOI：10.11959/j.issn.1000-436x.2024069
  中图分类号： TP301
- 网络出版日期：2024-03，
  
  纸质出版日期：2024-03-25
- 稿件说明：
移动端阅览
朱素霞, 顾玢珂, 孙广路. 基于相似度加速的自适应聚类联邦学习[J]. 通信学报, 2024,45(3):197-207.

Suxia ZHU, Binke GU, Guanglu SUN. Adaptive clustering federated learning via similarity acceleration[J]. Journal on communications, 2024, 45(3): 197-207.
朱素霞, 顾玢珂, 孙广路. 基于相似度加速的自适应聚类联邦学习[J]. 通信学报, 2024,45(3):197-207. DOI： 10.11959/j.issn.1000-436x.2024069.

Suxia ZHU, Binke GU, Guanglu SUN. Adaptive clustering federated learning via similarity acceleration[J]. Journal on communications, 2024, 45(3): 197-207. DOI： 10.11959/j.issn.1000-436x.2024069.

浏览量

186

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于多方计算的安全拜占庭弹性联邦学习

空天地一体化网络中基于联邦深度强化学习的边缘协作缓存策略

基于零集中差分隐私的联邦学习激励方案

联邦学习中的拜占庭攻防研究综述

抗拜占庭攻击的梯度净化联邦自适应学习算法

基于相似度加速的自适应聚类联邦学习

Adaptive clustering federated learning via similarity acceleration

DOI：10.11959/j.issn.1000-436x.2024069