一周聚焦：2.16日有哪些arxiv联邦学习新论文？
- 内容介绍
- 文章标签
- 相关推荐
本文共计4521个文字，预计阅读时间需要19分钟。
本周arXiv联盟学习论文综述与推荐：这是一个新开设的每周六更新的栏目，将总结本周arXiv上发布的相关学习领域的文章。与以往的精读文章不同，本栏目仅提供简要总结。
本周arxiv联邦学习论文整理与推荐这是一个新开的每周六定期更新栏目，将本周arxiv上新出的联邦学习等感兴趣方向的文章进行总结。与之前精读文章不同，本栏目只会简要总结其研究内容、解决方法与效果。这篇作为栏目首发，可能不止本周内容（毕竟欠账太多了）。
量化-
A. T. Suresh, Z. Sun, J. H. Ro, and F. Yu, “Correlated quantization for distributed mean estimation and optimization,” arXiv:2203.04925 [cs, math], Mar. 2022, Accessed: Mar. 10, 2022. [Online]. Available: arxiv.org/abs/2203.04925
这是谷歌团队关于DME的最新研究成果。其中Suresh从2017年就深耕这一块，算是老朋友了，而Felix X. Yu刚好是之前Federated Learning with Only Positive Labels这篇文章的作者，算是新朋友。
这篇文章的特点在于提出了correlated quantization protocol，把量化的重点从以前的数据边界转移到了deviation of data points，得到了比传统随机量化更好的性能。
本文共计4521个文字，预计阅读时间需要19分钟。
本周arXiv联盟学习论文综述与推荐：这是一个新开设的每周六更新的栏目，将总结本周arXiv上发布的相关学习领域的文章。与以往的精读文章不同，本栏目仅提供简要总结。
本周arxiv联邦学习论文整理与推荐这是一个新开的每周六定期更新栏目，将本周arxiv上新出的联邦学习等感兴趣方向的文章进行总结。与之前精读文章不同，本栏目只会简要总结其研究内容、解决方法与效果。这篇作为栏目首发，可能不止本周内容（毕竟欠账太多了）。
量化-
A. T. Suresh, Z. Sun, J. H. Ro, and F. Yu, “Correlated quantization for distributed mean estimation and optimization,” arXiv:2203.04925 [cs, math], Mar. 2022, Accessed: Mar. 10, 2022. [Online]. Available: arxiv.org/abs/2203.04925
这是谷歌团队关于DME的最新研究成果。其中Suresh从2017年就深耕这一块，算是老朋友了，而Felix X. Yu刚好是之前Federated Learning with Only Positive Labels这篇文章的作者，算是新朋友。
这篇文章的特点在于提出了correlated quantization protocol，把量化的重点从以前的数据边界转移到了deviation of data points，得到了比传统随机量化更好的性能。