用于移动边缘计算网络的联邦学习框架（二）

CT：混沌理论，喜欢用k值临近算法 AHP：应用命中率 表示在查找NE上设备请求的应用程序时命中的百分比。 下面开始联邦学习的讲解 联邦学习的定义：是一种机器学习设定，其中许多客户机（例如，移动设备或整个组织）在中央服务器（例如，服务器提供商）的协调下共同训练模型，同时保持训练数据的去中心化。 联邦学习的长期目标：在不暴露数据的情况下分析和学习多个数据拥有者的数据。（解决数据孤岛） 2018年谷歌

>>阅读原文<<