federated learning 文章進(jìn)入federated learning技術(shù)社區(qū)

聯(lián)邦學(xué)習(xí)(Federated Learning)分布式訓(xùn)練，以共享模型打造效能卓越的AI智能

聯(lián)邦機(jī)器學(xué)習(xí)又名聯(lián)邦學(xué)習(xí)，聯(lián)合學(xué)習(xí)，聯(lián)盟學(xué)習(xí)。聯(lián)邦機(jī)器學(xué)習(xí)是一個(gè)機(jī)器學(xué)習(xí)框架，能有效幫助多個(gè)機(jī)構(gòu)在滿足用戶隱私保護(hù)、數(shù)據(jù)安全和政府法規(guī)的要求下，進(jìn)行數(shù)據(jù)使用和機(jī)器學(xué)習(xí)建模。?全球領(lǐng)先的邊緣計(jì)算解決方案提供商—凌華科技與致星科技（簡(jiǎn)稱“星云Clustar”）達(dá)成合作，攜手打造邊緣聯(lián)邦學(xué)習(xí)的一體機(jī)，顛覆傳統(tǒng)的集中式機(jī)器學(xué)習(xí)訓(xùn)練。此平臺(tái)采用凌華科技的MECS-7211作為邊緣計(jì)算服務(wù)器，與星云CLustar的FPGA隱私計(jì)算加速卡，為個(gè)資隱私解套，應(yīng)用于密集型計(jì)算的加速場(chǎng)景，如隱私計(jì)算、機(jī)器學(xué)習(xí)、基因
關(guān)鍵字：聯(lián)邦學(xué)習(xí) Federated Learning 分布式訓(xùn)練 AI 凌華科技

客戶：鴻騰精密（FIT）行業(yè)：電子制造解決方案：VisionPro Deep Learning挑戰(zhàn)：傳統(tǒng)檢測(cè)方法是用電子顯微鏡放大和人工目視檢測(cè)外觀瑕疵的方式，長(zhǎng)期下來(lái)作業(yè)員識(shí)別率降低，無(wú)法保證精密連接器缺陷檢測(cè)的質(zhì)量和效率；由于人工檢測(cè)的方法導(dǎo)致標(biāo)準(zhǔn)不一致，易發(fā)生質(zhì)量問(wèn)題，給企業(yè)帶來(lái)不利影響；傳統(tǒng)檢測(cè)方法沒(méi)有實(shí)現(xiàn)檢測(cè)自動(dòng)化，產(chǎn)生了大量人工成本。效果：實(shí)現(xiàn)外觀瑕疵檢測(cè)的自動(dòng)化，減少企業(yè)成本；整體檢測(cè)能力大大提升，機(jī)臺(tái)判定標(biāo)準(zhǔn)一致，完全避免了人為因素導(dǎo)致的檢驗(yàn)問(wèn)題；實(shí)現(xiàn)了無(wú)人化智能工廠，有力支持了企業(yè)智能制
關(guān)鍵字： VisionPro Deep Learning 鴻騰精密（FIT）外觀瑕疵檢測(cè)

挑戰(zhàn)●? ?軟包鋰電池外觀檢測(cè)項(xiàng)超過(guò)40多個(gè)，涵蓋產(chǎn)品的所有外觀面和以及邊角；●? ?各企業(yè)使用的人工檢查標(biāo)準(zhǔn)文件要求無(wú)法直接進(jìn)行指標(biāo)化數(shù)字化，需要依靠配套供應(yīng)商提供經(jīng)驗(yàn)來(lái)配合客戶優(yōu)化指標(biāo)和更改檢測(cè)標(biāo)準(zhǔn)；●? ?軟包鋰電池外觀檢測(cè)還是傳統(tǒng)的人工檢測(cè)方式，效率和準(zhǔn)確率都很低效果●? ?軟包鋰電池Pack檢測(cè)設(shè)備實(shí)現(xiàn)量產(chǎn)，有40多臺(tái)設(shè)備成功運(yùn)行；●? ?為企業(yè)提供了新的市場(chǎng)機(jī)會(huì)，在投項(xiàng)目性能效率大幅改善，給企業(yè)
關(guān)鍵字：視覺(jué)軟件VisionPro Deep Learning 軟包鋰電池

　　人工智能機(jī)器學(xué)習(xí)有關(guān)算法內(nèi)容，請(qǐng)參見(jiàn)公眾號(hào)“科技優(yōu)化生活”之前相關(guān)文章。人工智能之機(jī)器學(xué)習(xí)主要有三大類：1)分類;2)回歸;3)聚類。今天我們重點(diǎn)探討一下Q Learning算法。 ^_^　　通過(guò)前一篇TD-Learning時(shí)序差分(請(qǐng)參見(jiàn)人工智能(48)算法介紹，我們知道，TD-Learning時(shí)序差分是結(jié)合了動(dòng)態(tài)規(guī)劃DP和蒙特卡洛MC(請(qǐng)參見(jiàn)人工智能(31))方法，并兼具兩種算法的優(yōu)點(diǎn)，是強(qiáng)化學(xué)習(xí)的中心?！　D-learning時(shí)序差分大概分了6類。其中，策略行動(dòng)價(jià)值qπ的off-policy時(shí)
關(guān)鍵字：人工智能 Q Learning

　　人工智能機(jī)器學(xué)習(xí)有關(guān)算法內(nèi)容，請(qǐng)參見(jiàn)公眾號(hào)“科技優(yōu)化生活”之前相關(guān)文章。人工智能之機(jī)器學(xué)習(xí)主要有三大類：1)分類;2)回歸;3)聚類。今天我們重點(diǎn)探討一下TD Learning算法。 ^_^　　TD Learning時(shí)序差分學(xué)習(xí)結(jié)合了動(dòng)態(tài)規(guī)劃DP和蒙特卡洛MC(請(qǐng)參見(jiàn)人工智能(31))方法，且兼具兩種算法的優(yōu)點(diǎn)，是強(qiáng)化學(xué)習(xí)的核心思想。　　雖然蒙特卡羅MC方法僅在最終結(jié)果已知時(shí)才調(diào)整其估計(jì)值，但TD Learning時(shí)序差分學(xué)習(xí)調(diào)整預(yù)測(cè)以匹配后，更準(zhǔn)確地預(yù)測(cè)最終結(jié)果之前的未來(lái)預(yù)測(cè)?！　D Learni
關(guān)鍵字：人工智能 TD Learning

共5條 1/1 1