边到边迁移学习模型

无需中央服务器

一种可在分布式设备之间直接传递模型结构和权重的迁移学习方法，摆脱对强大中央服务器的依赖。

Zih-Syuan, Huang · Lu, Chinghu · I. Shyan, Hwang

IEEE Internet of Things Journal 2024

技术优势

无需中央服务器

模型结构和权重直接在分布式设备之间传递，不依赖强大的中央服务器。

提升学习效率

直接边到边的模型迁移避免了中央服务器的瓶颈，提高了学习效率。

隐私保护更强

数据无需上传到中央服务器，降低了隐私泄露风险。

应用场景

• 分布式物联网设备：实现设备间模型直接迁移，减少数据传输和标注成本。
• 边缘智能：在边缘设备上完成模型迁移，无需上传数据。
• 联邦学习：替代传统联邦学习中依赖中央服务器的聚合方式。