🏠 Accueil
基準測試
📊 Tous les Benchmarks 🦖 Dinosaure v1 🦖 Dinosaure v2 ✅ To-Do List Apps 🎨 Pages Libres 🎯 FSACB - Showcase 🌍 Traduction
Modèles
🏆 Top 10 Modèles 🆓 Modèles Gratuits 📋 Tous les Modèles ⚙️ Modes Kilo Code
Ressources
💬 Prompts IA 📖 人工智能詞彙表 🔗 Liens Utiles

AI 詞彙表

人工智能完整詞典

200
類別
2,608
子類別
30,011
術語
📖
術語

收敛速率

衡量联邦学习算法达到最优解或稳定点的速度,受数据异构性和客户端间通信的影响

📖
術語

本地更新

每个客户端在与中央服务器通信前本地执行的优化迭代次数,直接影响收敛性和计算效率

📖
術語

全局模型

通过聚合所有参与客户端贡献得到的融合模型,代表分布式系统的集体知识

📖
術語

梯度压缩

通过量化或采样减少客户端与服务器间传输梯度大小的技术,在保持收敛性的同时提高通信效率

📖
術語

差分隐私

通过向本地更新添加可控噪声来保证隐私的理论框架,影响联邦模型的隐私与收敛之间的权衡

📖
術語

拜占庭容错

系统面对发送错误更新的恶意或故障客户端的鲁棒性,需要采用抗攻击的检测和聚合机制

📖
術語

异步联邦学习

客户端以异步方式更新全局模型的训练范式,减少等待时间但使收敛分析复杂化

📖
術語

模型异构性

联邦系统中客户端模型间架构异构性的管理,需要采用适应的聚合策略来保证收敛

📖
術語

收敛性分析

对保证联邦算法收敛条件的理论研究,考虑数据异质性、故障和通信约束。

📖
術語

优化景观

联邦学习中的集体损失曲面,由于客户端间数据非独立同分布而具有多个局部最优解的特征。

📖
術語

客户端采样

在每轮训练中选择客户端子集的策略,影响全局模型的收敛速度和表示公平性。

📖
術語

联邦学习中的动量

利用本地或全局梯度历史来稳定和加速分布式环境中优化的收敛加速技术。

📖
術語

收敛保证

确保联邦算法在特定条件下收敛的理论特性,包括收敛速率和最终模型质量的界限。

📖
術語

联邦优化

研究针对联邦学习约束的优化方法的学科,结合优化理论和分布式系统。

📖
術語

系统异质性

客户端间计算能力和网络能力的变异性,直接影响收敛策略并需要自适应方法。

🔍

搵唔到結果