論文の概要: A Systematic Literature Review on Federated Machine Learning: From A Software Engineering Perspective

• arxiv url: http://arxiv.org/abs/2007.11354v9
• Date: Fri, 28 May 2021 04:54:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-07 23:39:50.989806
• Title: A Systematic Literature Review on Federated Machine Learning: From A Software Engineering Perspective
• Title（参考訳）: フェデレーション機械学習に関する体系的文献レビュー:ソフトウェア工学の視点から
• Authors: Sin Kit Lo, Qinghua Lu, Chen Wang, Hye-Young Paik, Liming Zhu
• Abstract要約: フェデレートラーニング(Federated Learning)は、クライアントがローカルモデルをトレーニングし、ローカルモデル更新に基づいてグローバルモデルを定式化する、新たな機械学習パラダイムである。 ソフトウェア工学の観点から,231の初等研究に基づいて,系統的な文献レビューを行う。 データ合成は, 背景理解, 要件分析, アーキテクチャ設計, 実装, 評価を含む, 統合学習システムのライフサイクルをカバーする。
• 参考スコア（独自算出の注目度）: 9.315446698757768
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Federated learning is an emerging machine learning paradigm where clients train models locally and formulate a global model based on the local model updates. To identify the state-of-the-art in federated learning and explore how to develop federated learning systems, we perform a systematic literature review from a software engineering perspective, based on 231 primary studies. Our data synthesis covers the lifecycle of federated learning system development that includes background understanding, requirement analysis, architecture design, implementation, and evaluation. We highlight and summarise the findings from the results, and identify future trends to encourage researchers to advance their current work.
• Abstract（参考訳）: フェデレーション学習は、クライアントがローカルモデルをトレーニングし、ローカルモデル更新に基づいてグローバルモデルを定式化する、新たな機械学習パラダイムである。 フェデレーション学習の最先端を把握し,フェデレーション学習システムの開発方法を検討するため,ソフトウェア工学の観点から,231の初等研究に基づいて体系的な文献レビューを行う。 データ合成は,背景理解,要件分析,アーキテクチャ設計,実装,評価を含む,連合学習システム開発のライフサイクルをカバーする。 結果から得られた結果をハイライトし要約し、研究者が現在の研究を進めるよう促す今後の傾向を特定する。

関連論文リスト

• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• Retrieval-Enhanced Machine Learning: Synthesis and Opportunities [60.34182805429511]
  検索エンハンスメントは機械学習(ML)の幅広い範囲に拡張できる この研究は、MLの様々な領域の文献を、現在の文献から欠落している一貫した表記で合成することで、このパラダイムの正式なフレームワークであるRetrieval-Enhanced Machine Learning (REML)を導入する。 本研究の目的は、様々な分野の研究者に対して、検索強化モデルの包括的、正式に構造化された枠組みを付与し、学際的な将来の研究を促進することである。
  論文  参考訳（メタデータ） (2024-07-17T20:01:21Z)
• Looking back and forward: A retrospective and future directions on Software Engineering for systems-of-systems [0.11470070927586014]
  TextitInternational Workshop on Software Engineering for Systems-of-Systems (SESoS)シリーズは、ソフトウェア工学の観点からSoSに対処する科学フォーラムのギャップを埋めるために2013年に始まった。 本稿では,SeSoSワークショップ(2013-2023)の11版にまたがる57件の論文をもとに,SoSのためのソフトウェアエンジニアリングの進化と今後の軌道について概説する。
  論文  参考訳（メタデータ） (2024-03-25T13:12:39Z)
• Exploring Machine Learning Models for Federated Learning: A Review of Approaches, Performance, and Limitations [1.1060425537315088]
  フェデレートラーニング(Federated Learning)は、個人のデータのプライバシを保護するために強化された分散学習フレームワークである。 危機時には、リアルタイムな意思決定が重要である場合、フェデレートされた学習は、機密データを共有せずに複数のエンティティをまとめて機能させることができる。 本稿では,ここ数年のプライバシ保護機械学習に関する文献を体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-17T19:23:21Z)
• Decision Models for Selecting Federated Learning Architecture Patterns [7.468413169676602]
  フェデレートされた機械学習アーキテクチャ設計のためのパターン選択のための一連の決定モデルを提案する。 各決定モデルは、フェデレートされた機械学習システムの機能的および非機能的要件を一連のパターンにマッピングする。
  論文  参考訳（メタデータ） (2022-04-28T05:07:26Z)
• Federated Stochastic Gradient Descent Begets Self-Induced Momentum [151.4322255230084]
  Federated Learning(FL)は、モバイルエッジシステムに適用可能な、新興の機械学習手法である。 このような条件下での勾配降下(SGD)への走行は,大域的な集約プロセスに運動量的な項を加えるとみなすことができる。
  論文  参考訳（メタデータ） (2022-02-17T02:01:37Z)
• FLRA: A Reference Architecture for Federated Learning Systems [8.180947044673639]
  フェデレートラーニング(Federated Learning)は、複数のデバイスが、クライアントのローカルデータを共有せずに、モデルをローカルにトレーニングし、グローバルモデルを定式化する、新たな機械学習パラダイムである。 我々は,フェデレート学習システムのための参照アーキテクチャであるFLRAを提案し,フェデレーション学習ベースのソリューションのためのテンプレート設計を提供する。
  論文  参考訳（メタデータ） (2021-06-22T06:59:19Z)
• Architectural Patterns for the Design of Federated Learning Systems [12.330671239159102]
  機械学習におけるデータの空腹とプライバシの課題に取り組むため、フェデレーション学習は学界や業界から急速に関心を集めている。 本稿では,連合型学習システムの設計課題に対処するアーキテクチャパターンの集合について述べる。
  論文  参考訳（メタデータ） (2021-01-07T05:11:09Z)
• Model-Based Deep Learning [155.063817656602]
  信号処理、通信、制御は伝統的に古典的な統計モデリング技術に依存している。 ディープニューラルネットワーク(DNN)は、データから操作を学ぶ汎用アーキテクチャを使用し、優れたパフォーマンスを示す。 私たちは、原理数学モデルとデータ駆動システムを組み合わせて両方のアプローチの利点を享受するハイブリッド技術に興味があります。
  論文  参考訳（メタデータ） (2020-12-15T16:29:49Z)
• Self-organizing Democratized Learning: Towards Large-scale Distributed Learning Systems [71.14339738190202]
  民主化された学習(Dem-AI)は、大規模な分散および民主化された機械学習システムを構築するための基本原則を備えた全体主義的哲学を定めている。 本稿では,Dem-AI哲学にヒントを得た分散学習手法を提案する。 提案アルゴリズムは,従来のFLアルゴリズムと比較して,エージェントにおける学習モデルの一般化性能が向上することを示す。
  論文  参考訳（メタデータ） (2020-07-07T08:34:48Z)
• Neural Entity Linking: A Survey of Models Based on Deep Learning [82.43751915717225]
  本調査では,2015年以降に開発されたニューラルエンティティリンク(EL)システムの包括的記述について報告する。 その目標は、ニューラルエンティティリンクシステムの設計機能を体系化し、それらのパフォーマンスを一般的なベンチマーク上の注目すべき古典的手法と比較することである。 この調査はエンティティリンクの応用に焦点をあて、最近出現した、深い事前訓練されたマスキング言語モデルを強化するユースケースに焦点を当てている。
  論文  参考訳（メタデータ） (2020-05-31T18:02:26Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。