联邦学习使客户的隐私保留,引起了人们的兴趣。作为联合学习的一种变体,联邦转移学习利用了来自相似任务的知识,因此也经过深入研究。但是,由于无线电频谱的有限,通过无线链接的联合学习的沟通效率至关重要,因为某些任务可能需要数千个上行链路有效载荷。为了提高沟通效率,我们在本文中提出了基于功能的联合转移学习作为一种创新方法,将上行链路有效载荷降低了五个以上的数量级,而不是现有方法。我们首先介绍系统设计,其中提取的功能和输出被上传而不是参数更新,然后用此方法确定所需的有效负载,并与现有方法进行比较。随后,我们分析了保留客户隐私的随机改组计划。最后,我们通过对图像分类任务进行实验评估了提出的学习方案的性能,以显示其有效性。
translated by 谷歌翻译