이 논문은 수직 분할된 다중 뷰 데이터를 통합하는 새로운 능동-수동 연합 학습 프레임워크를 제안한다. 기존의 수직 연합 학습 방법은 모델 학습과 추론 모두에서 모든 클라이언트의 협업을 요구하지만, 실제 상황에서 이는 예측할 수 없는 문제가 발생할 수 있다.
제안하는 APFed 프레임워크에서는 능동 클라이언트가 전체 모델을 구축하고 수동 클라이언트는 보조 역할을 한다. 능동 클라이언트는 모델 추론을 독립적으로 수행할 수 있어 예측할 수 없는 협업 문제를 해결할 수 있다.
구체적으로 APFed 프레임워크는 다음과 같은 3단계로 구성된다:
이 논문은 또한 APFed 프레임워크를 기반으로 한 두 가지 분류 방법인 APFed-R과 APFed-C를 제안한다. 실험 결과를 통해 제안 방법들이 기존 방법들에 비해 우수한 성능을 보임을 확인하였다.
Sang ngôn ngữ khác
từ nội dung nguồn
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Jiyuan Liu, ... lúc arxiv.org 09-09-2024
https://arxiv.org/pdf/2409.04111.pdfYêu cầu sâu hơn