| 中文题名： | 多点异构联合强化学习 |
| 姓名： | |
| 保密级别： | 公开 |
| 论文语种： | 中文 |
| 学科代码： | 080901 |
| 学科专业： | |
| 学生类型： | 学士 |
| 学位： | 理学学士 |
| 学位年度： | 2022 |
| 学校： | 北京师范大学 |
| 校区： | |
| 学院： | |
| 第一导师姓名： | |
| 第一导师单位： | |
| 提交日期： | 2022-05-27 |
| 答辩日期： | 2022-05-09 |
| 中文关键词： | |
| 中文摘要： |
深度学习自从被提出之后，因为其远超其他机器学习的表现结果，日益成为现代图像检测、语音识别以及分类的主要方法之一。这些深度学习解决方案依赖于适当的算法，但更依赖于大型训练数据集 。但是许多储存数据的设备的本地数据通常不足以训练可靠的分类网络，而数据集中式解决方案又引起了人们对于隐私的担忧。在这里，本文引入社群学习，一种去中心化的多点异构学习方法，使得每个设备利用其它设备(本文称为社会知识)来优化本地设备的学习。它结合了强化学习、联合学习，同时无需中央管理人，在此基础上，它保证各个本地设备可以采用不同的模型架构。为了说明社群学习的可行性，本文采用了三种架构进行了评估，表明社群学习优于单个设备在本地学习。同时在相同的准确率表现下，全学习需要的算力代价是社群学习的1.23倍，证明了它优越的通信效率。 |
| 参考文献总数： | 47 |
| 插图总数： | 0 |
| 插表总数： | 0 |
| 馆藏号： | 本080901/22011 |
| 开放日期： | 2023-05-27 |
谷歌
