クラス条件付き共有クライアントによるラベルなしデータからの連合学習【JST・京大機械翻訳】

Lu Nan; Wang Zhao; Li Xiaoxiao; Niu Gang; Dou Qi; Sugiyama Masashi

プレプリント

J-GLOBAL ID：202202206314974923 整理番号：22P0327726

クラス条件付き共有クライアントによるラベルなしデータからの連合学習【JST・京大機械翻訳】

Federated Learning from Only Unlabeled Data with Class-Conditional-Sharing Clients

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年04月07日プレプリントサーバーでの情報更新日： 2022年05月11日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

監督された連合学習(FL)は,それらのラベル付きデータを共有せずに訓練されたモデルを共有するための複数のクライアントを可能にする。しかし,潜在的クライアントは,自分自身のデータをラベル付けするのが,実際にFLの適用可能性を制限する可能性がある。本論文では,クラスラベル確率がシフトされる場合,クラスラベル確率がシフトし,クラス条件分布がクライアントにより所有されたラベルなしデータ間で共有される場合,そのモデルがクラスラベルを予測するための分類器である教師なしFLの可能性を示す。教師なし学習(FedUL)の連合を提案し,ラベル無しデータを各クライアントの代理ラベルデータに変換し,修正モデルを教師つきFLにより訓練し,修正モデルから欲求モデルを復元した。FedULは教師なしFLに対する非常に一般的な解決策であり,それは多くの教師つきFL法に適合し,もしデータがラベル付けされたならば,欲求されたモデルの回復は理論的に保証される。ベンチマークと実世界データセットに関する実験は,FedULの有効性を実証した。コードはhttps://github.com/lunanbit/FedULで利用可能である。【JST・京大機械翻訳】

, , , , , , ,
, , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る