联邦学习专题序言
联邦学习是当前非常活跃的一种新兴的人工智能基础技术,作为一种新兴的分布式计算范式,其使得用户原始数据在不输出本地设备的基础上可以找到一个更优化的模型,做到"数据不动模型动",在保证用户数据隐私安全的前提下,打破数据孤岛,充分挖掘数据的潜在价值.近年来国内外学者在联邦学习方面开展了不少研究,而且联邦学习已在智能零售、金融、自动驾驶等领域获得广泛关注.联邦学习在一些实际业务场景中也已有相关应用,但性能优化、通信带宽、时延、安全等问题对联邦学习的落地提出了更高的要求.本专题旨在推动联邦学习的学术研究及产业实践,探索联邦学习相关的新理论、新方法和新技术,并展示国内研究人员在该领域的最新研究成果.
49
2022-12-29（万方平台首次上网日期，不代表论文的发表时间）
共4页
1-4
