Разделение неучебных программ

arXiv: 261 0366465v1 Annualce Type: New Humber: Split Federated Learning (SFL) сочетает выполнение разделенной модели с федеративным агрегированием для поддержки совместного обучения в рамках распределенной веб-и кромок среды. Вместе с тем устранение накопленного опыта в СФЛ сопряжено со значительными трудностями из-за межпартийного объединения и распространения исторического влияния путем двустороннего агрегирования. Насколько нам известно, мы представляем первую систематическую формулировку " Разделенного обучения без обучения (СФН) &qt; , которая включает в себя устранение с учетом интересов клиентов и классовых особенностей, контрфактическая переподготовка и специфические ограничения по обновлению раздела. Теоретически мы характеризуем историческое влияние, распространение и неосуществимость обучения с учетом различных видов деятельности, что свидетельствует о структурных ограничениях в отношении обновления ограниченных моделей. В качестве первоначального решения мы предлагаем SURE, интегрируя оценку двойного импорта, выборочное искажение параметров и восстановление с учетом важности. Широкомасштабные эксперименты с существующими неучебными методами, адаптированными к ПСЛ