Jerry..Yu - 博客园

2024年7月19日

PerFedRLNAS: One-for-All Personalized Federated Neural Architecture Search-_AAAI'24-PerFedRLNAS

摘要：

PerFedRLNAS: One-for-All Personalized Federated Neural Architecture Search-AAAI'24-PerFedRLNAS 背景与挑战：介绍个性化学习来解决设备异构和数据异构的问题。现有工作无法充分回答下面的两个问题： 1.为什么阅读全文

posted @ 2024-07-19 15:55 Jerry..Yu 阅读(126) 评论(0) 推荐(0)

Peaches: Personalized Federated Learning with Neural Architecture Search in Edge Computing-_TMC'24-Peaches/Re-PFNAS

摘要：

背景：介绍联邦学习，参数服务器和workers之间的关系挑战： 1.预定义模型：太大的架构可能会导致过度拟合问题和workers不必要的计算开销，而太小的架构可能会导致低训练性能 2.数据不可访问：数据不可访问导致不能设计出真正高效的架构在边缘计算中使用FL。需要考虑三种挑战： 1.异构数据阅读全文

posted @ 2024-07-19 15:54 Jerry..Yu 阅读(92) 评论(0) 推荐(0)

FINCH: Enhancing Federated Learning With Hierarchical Neural Architecture Search-_TMC'23-FINCH

摘要：

背景与挑战：介绍FL联邦学习，指出两个联邦学习的缺点： :::danger 1.预定义的架构容易使模型训练陷入局部次优解，导致训练性能低下 2.开发一个足够精确和小的模型来部署在客户端是很复杂的，这需要在迭代的试错过程中付出大量的人力 ::: （手动设计更高效的体系结构在很大程度上依赖于人类专家的阅读全文

posted @ 2024-07-19 15:53 Jerry..Yu 阅读(189) 评论(0) 推荐(0)

FedNAS: Federated Deep Learning via Neural Architecture Search-_BaseLine-FedNAS

摘要：

背景与挑战：介绍FL，引出数据异构问题和数据不可见性，因此需要大量的人力来定制更好的模型架构，因为设备异构性，边缘设备需要更高的计算负担和通信成本。介绍解决数据异构的相关工作，指出这些工作需要强大的先验假设。预定义的模型不一定是最优的贡献： 1.提出FedNAS方法，在边缘设备之间协同搜索全阅读全文

posted @ 2024-07-19 15:52 Jerry..Yu 阅读(154) 评论(0) 推荐(0)

Real-Time Federated Evolutionary Neural Architecture Search-_TEC'22(B)-RT-FedEvoNAS_

摘要：

背景： 1.介绍FL 2.介绍NAS(讨论范围限制在CNN) 宏搜索空间覆盖整个CNN模型，例如，隐藏层的数量n、操作类型（例如，卷积）和快捷连接的链接方法微观搜索空间仅覆盖整个模型结构中重复的基序或细胞。并且这些单元在复杂的多分支操作中构建介绍RT(强化学习)在NAS中的运用，因为RT要模拟采阅读全文

posted @ 2024-07-19 15:50 Jerry..Yu 阅读(125) 评论(0) 推荐(0)

2024年5月24日

幸せな麻雀フォーサム

该文被密码保护。阅读全文

posted @ 2024-05-24 23:53 Jerry..Yu 阅读(0) 评论(0) 推荐(0)

2024年2月22日

LSTM使用MNIST手写数字识别实战的代码和心得

摘要：

RNN的架构除了RNN类中的模型不同，其他的构架与CNN类似，如果还没有阅读过CNN文章的可以点击下方链接进入： CNN使用MNIST手写数字识别实战的代码和心得 LSTM(Long Short-Term Memory长短时记忆网络)虽然在MNIST手写数字识别方面不擅长，但是也可以进行使用，效果比阅读全文

posted @ 2024-02-22 17:18 Jerry..Yu 阅读(164) 评论(0) 推荐(0)

CNN使用MNIST手写数字识别实战的代码和心得

摘要：

CNN(Convolutional Neural Network)卷积神经网络对于MNIST手写数字识别的实战代码和心得首先是对代码结构思路进行思路图展示，如下：参数和原理剖析：因为MNIST图片为长和宽相同的28像素，为黑白两色，所以图片的高度为1，为灰度通道。在传入的时候，我定义的BAT 阅读全文

posted @ 2024-02-22 17:18 Jerry..Yu 阅读(485) 评论(1) 推荐(1)

公告