0
点赞
收藏
分享

微信扫一扫

历史最全基于 图形和表格数据的联邦学习 论文数据及架构整理分享


历史最全基于 图形和表格数据的联邦学习 论文数据及架构整理分享_数据

    联邦学习(Federated Learning)是一种分布式机器学习技术,其核心思想是通过在多个拥有本地数据的数据源之间进行分布式模型训练,在不需要交换本地个体或样本数据的前提下,仅通过交换模型参数或中间结果的方式,构建基于虚拟融合数据下的全局模型,从而实现数据隐私保护和数据共享计算的平衡,即“数据可用不可见”、“数据不动模型动”的应用新范式。

    本资源整理了全基于 图形和表格数据的联邦学习 论文数据及架构,分享给大家。

    

     资源整理自网络,下载及获取见源地址:https://github.com/youngfish42/Awesome-Federated-Learning-on-Graph-and-Tabular-Data

目录

历史最全基于 图形和表格数据的联邦学习 论文数据及架构整理分享_算法_02

内容截图

历史最全基于 图形和表格数据的联邦学习 论文数据及架构整理分享_人工智能_03

历史最全基于 图形和表格数据的联邦学习 论文数据及架构整理分享_资源整理_04

历史最全基于 图形和表格数据的联邦学习 论文数据及架构整理分享_数据_05

举报

相关推荐

0 条评论