基于動(dòng)態(tài)閾值增強(qiáng)原型網(wǎng)絡(luò)的聯(lián)邦半監(jiān)督學(xué)習(xí)模型

摘要： 目前，聯(lián)邦半監(jiān)督學(xué)習(xí)面臨著有效利用訓(xùn)練過(guò)程中大量無(wú)標(biāo)簽數(shù)據(jù)的挑戰(zhàn)。盡管通過(guò)輕量級(jí)的原型網(wǎng)絡(luò)實(shí)現(xiàn)客戶(hù)端之間的知識(shí)共享可以緩解偽標(biāo)簽質(zhì)量問(wèn)題，但仍然有瓶頸。本文提出一種新的動(dòng)態(tài)閾值增強(qiáng)下的原型網(wǎng)絡(luò)聯(lián)邦半監(jiān)督學(xué)習(xí)算法。通過(guò)引入課程偽標(biāo)簽技術(shù)，其核心是對(duì)不同類(lèi)別樣本的學(xué)習(xí)狀態(tài)動(dòng)態(tài)調(diào)整閾值，使模型能夠?qū)W習(xí)高質(zhì)量的樣本，顯著提高模型的預(yù)測(cè)性能。實(shí)驗(yàn)結(jié)果表明，本算法在多個(gè)數(shù)據(jù)集上均取得優(yōu)異的... （共12頁(yè)）