当前位置:   article > 正文

【FedAWS】论文笔记

fedaws

目前这篇论文有些地方还看不太懂,我先标注出来,后续理解了再补上。

标题:Federated Learning with Only Positive Labels

来源:[2004.10342] Federated Learning with Only Positive Labels (arxiv.org)

目录

1、前言介绍

1.1 什么是正/负样本

1.2什么是embedding

1.3对于单样本学习的理解

1.4传统损失函数的缺点

1.5 Federated learning of a classifification model

2、FedAWS

3、结论

参考


1、前言介绍

1.1 什么是正/负样本

数据样本,对于mnist数据集而言,样本就是一张手写数字识别图片。其中样本对应的标签为:0、1、2、3、4、5、6、7、8、9这十种类别。比如我们的设备中只有1的手写数字图片,我们期望识别的结果也为1,此时的正样本即为标签为1的手写数字图片,而其他的图片全部被称为负样本.

1.2什么是embedding

embedding直译为“嵌入式”,但在机器学习中其表达是一种映射关系(本人理解)表示将高维数据通过矩阵映射为低维数据。在本文中

声明:本文内容由网友自发贡献,不代表【wpsshop博客】立场,版权归原作者所有,本站不承担相应法律责任。如您发现有侵权的内容,请联系我们。转载请注明出处:https://www.wpsshop.cn/w/Li_阴宅/article/detail/743790
推荐阅读
相关标签