- 联邦学习：算法详解与系统实现
- 薄列峰等
- 456字
- 2025-02-17 23:05:08
2.7 总结
本章对联邦学习在金融、生物医学、计算机视觉、自然语言处理、边缘计算和云计算及计算机硬件等方面的应用进行了介绍，并做了一些展望。随着联邦学习技术的不断发展，相信越来越多的行业会用到联邦学习技术，以便从技术层面保护数据隐私，同时进行大规模的模型训练和学习，从而获得更多、更好的智能模型。
希望通过本章的介绍，读者能从更加全面的角度对联邦学习在行业的应用有一个充分的了解；也希望本章能给广大读者带来些许启发，进而推动联邦学习技术更多的落地应用。
[1]AAAI全称为Association for the Advance of Artificial Intelligence，它被认定为中国计算机学会（China Computer Federation，CCF）A类会议。同样，CCF-A类的人工智能顶级会议还有CVPR、IJCAI、ICCV、ACL、ICML和NeurIPS。
[2]这里的标注视任务的所属领域而定，如果是目标检测领域，一般是标注感兴趣目标在图像中的边界框，其形式是边界框的坐标（x, y, w, h），其中x和y是边界框中心点的坐标，w和h是边界框的宽和高；如果是目标分类领域，一般是标注图像中物体的所属类别。
[3]本小节参考了文章《共享学习：蚂蚁金服提出全新数据孤岛解决方案》和蚂蚁金融科技发表的一些文章。