本文介绍一篇 NeurIPS 2020 的论文『Personalized Federated Learning with Moreau Envelopes』，对个性化联邦学习 PFedMe 进行详细解读。

Personalized Federated Learning with Theoretical Guarantees: A Model-Agnostic Meta-Learning Approach论文链接：https://proceedings.neurips.cc/paper/2020/file/24389bf...

前文（【科普】联邦知识蒸馏概述与思考）提到知识蒸馏是一种模型压缩方法，通过利用复杂模型（Teacher Model）强大的表征学习能力帮助简单模型（Student Model）进行训练，主要分为两个步骤：...

Transformer 作为一种基于注意力的编码器 - 解码器架构，不仅彻底改变了自然语言处理（NLP）领域，还在计算机视觉（CV）领域做出了一些开创性的工作。与卷积神经网络（CNN）相比，视觉 Transformer（ViT）依靠出色的建模能力，在 ImageNet、C...

在2022年全国两会上，“数字经济治理”首次出现在《政府工作报告》中，隐私计算成为了新的重点。隐私计算（Privacy-enhanced computing）是在保证数据提供方不泄露原始数据的前提下，实现数据价值挖掘的一系列信息技术，它为数据...

“SFFAI142期来自美国西北大学的王礼旭同学推荐的文章主要关注于基础研究的动态联邦学习领域。”

我知道这句话看起来像是愚蠢的作者终于想起来要给自己天马行空的公号文章归纳主线，其实只是怕自己又写着写着忘了开篇想好的要点，找别的地方记还觉得懒，所以干脆写在第一句。...

联邦学习大约是从2019年开始火起来的，不过，这个概念其实已经有一定的年头了。早在2016年，Google就已经在一篇论文中将“联邦学习”作为一个专业术语明确提出来了，而如果从联邦学习所涵盖的知识领域范围来算，人们讨论相关概...

3月29日，北京金融科技产业联盟正式发布《多方安全计算金融应用现状及实施指引》、《联邦学习技术金融应用白皮书》等两项隐私计算技术相关的报告。这是继本月早前发布《隐私计算技术金融应用研究报告》后，再次推出隐私...