LuanVan.vnLuận Văn
Gửi thư

Efficient strategies for federated learning with communication constraints

Luận văn · Thạc sĩ · năm 2023 · đề tài tham khảo

Loại tài liệuLuận văn
Bậc họcThạc sĩ
NgànhCông nghệ thông tin
Tác giảPhan Quốc Đạt
Người hướng dẫnJocelyn Fiorina; Đinh Thị Thái Mai
Cơ sở đào tạoĐại học Quốc gia Hà Nội
Năm2023
NguồnThư viện số Đại học Quốc gia Hà Nội · trang gốc

Tóm tắt

In recent years, we have had incredible breakthroughs in artificial intelligence in general and machine learning in particular, including the birth of Chat-GPT By combining and leveraging increasingly powerful hardware computing capabilities, powerful algorithms, and the ability to collect and process large amounts of data, machine learning has demonstrated an important role and impact on human society. One of the three main essentials to be able to take advantage of machine learning is big data. In conventional machine learning methods, data will be collected and aggregated centrally, called centralized learning. In many situations, collecting data, especially personal data, is illegal and raises concerns about security and privacy. To solve the problem of centralized learning, McMahan et al. (2016) first introduced the federated learning (FL) framework, a promising distributed learning method that has been proven in many real-world applications [Zhou et al. (2021)]. Data and Communication Engineering: Kỹ thuật truyền thông và dữ liệu (Chưa có mã số) [NGÀNH ĐIỆN TỬ, NĂNG LƯỢNG ĐIỆN, TỰ ĐỘNG HÓA]
Bản toàn văn lưu tại thư viện Đại học Quốc gia Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.