打破数据孤岛：联邦学习近期重要研究进展(16)
图16/49
对于本文的损失函数和不可知经验损失函数，假设损失函数以 M 为界，对于任何 epsilon>=0 和 delta>0，概率至少为 1-delta，下述不等式适用于所有的类别概率 h：
3）算法介绍
由上面的数学分析，本文提出的 AFL 算法表示为：
当损失函数为凸函数，可以使用投影梯度下降或其它通用镜像下降算法来解决优化问题。优化过程主要涉及两组参数：假设概率分布 h 和混合权重 lambda。将损失函数定义为：
图17/49
其中有
图18/49
为了简化讨论，本文使用 AFK 的非正则化版本，即由变量集 w 给出的以下问题：
推荐阅读
- 捉迷藏|?LOL世界赛“含金量”数据出炉：EDG仅排第六，IG稳居榜首
- ag战队|AG超玩会的轮换就是花架子，一诺英雄达到十八位，打破单赛季纪录
- 碧蓝航线|碧蓝航线SR重巡福煦数据详解 期待越高失望越大 强度平平无奇
- kramer|国服极地大乱斗数据上线，来看看胜率榜符合你的预期吗？
- 孤岛惊魂6|英雄联盟世界赛参赛队分析！EDG战队！
- 米莱狄|峡谷数据榜：分均输出TOP5，干将莫邪只排第四，米莱狄至今被误解
- 育碧|“不患均而患不寡”，育碧给刺客信条和孤岛惊魂团队涨薪
- ai|S11AI预测离全对就差最后一场！EDG能否打破不败之身？
- |S11淘汰赛数据盘点：场均时长为33分 55个不同英雄登场
- 中单|2021年英雄联盟世界赛终于落下帷幕！！大数据统计二！！