主讲人
贾鑫康（浙江大学软件工程硕士）
本期论文
Federated Meta-Learning with Fast Convergence and Efficient Communication
元学习
Meta Learning （元学习）或者叫做 Learning to Learn （学会学习） 已经成为继Reinforcement Learning （增强学习）之后又一个重要的研究分支。
对于人工智能的理论研究，呈现如下的趋势：
Artificial Intelligence --> Machine Learning --> Deep Learning --> Deep Reinforcement Learning --> Deep Meta Learning
文章摘要
跨移动设备的分布式机器学习训练所产生的数据异构性和模型异构性的问题已经成为目前联邦学习在实际应中的瓶颈。
在本文中，作者通过元学习方法来处理这些问题，并且提出了一个联邦的元学习框架FedMeta，该框架不同与FedAVG共享全局模型，而是共享一个元学习器。
分享视频
评论 (0)