机构名称：
¥ 2.0
联合机器学习（FED ML）是一种新的分布式机器学习技术，用于使用客户的本地数据进行协作训练全球模型，而无需传输。节点仅发送参数更新（例如，在神经网络的情况下，重量更新），这些更新由服务器融合在一起以构建全局模型。通过不泄露节点数据，提供ML保证其机密性，网络安全的关键方面，这使其能够在数据敏感的物联网（IoT）和移动应用程序的上下文中使用，例如智能地理位置和智能电网。但是，大多数物联网设备特别受到限制，这增加了优化美联储ML流程以进行有效的培训任务和优化功耗。在本文中，据我们所知，我们对FEDML优化技术进行了第一个系统的映射研究（SMS），以实现能源约束的IoT设备。从总共800多篇论文中，我们选择了67个满足我们标准的67，并使用一组精心选择的研究问题对该领域进行了结构化的概述。最后，我们试图分析能源受限的美升ML最新技术，并试图概述研究社区的一些潜在建议。
能源受限的物联网设备的联合学习
主要关键词
相关文件推荐
