• 11选5冷热数据 2019-10-02
  • 11选5微信群 2019-09-26
  • 三分11选5开奖 2019-09-23
  • 11选5任三倍投计划表百度文库 2019-09-16
  • 11选5前3连号 2019-09-15
  • 广东11选5任1稳赚 2019-09-14
  • 体彩11选5电视频道 2019-09-13
  • 福建11选5开什么号码是多少 2019-09-12
  • 11选5跟号 2019-09-11
  • 广东11选5计划公式 2019-09-10
  • 11选5 哪种中奖率高 2019-09-09
  • 北京11选5助手手机版下载 2019-09-08
  • 11选5专业网 2019-09-07
  • 广东11选5计划号 2019-09-06
  • 11选5前三新玩法 2019-09-05

    江苏11选5胆拖中奖规则:香港科技大学杨强:利用联邦学习打破数据孤岛

    2019-07-23 03:30:48 网易智能 网易 分享

    银河国际赌场 www.ahxhgk.com


    【网易智能讯7月21日消息】7月 19 日,市北·GMIS 2019 全球数据智能峰会在上海市开幕,大会第二天,微众银行首席人工智能官、国际人工智能学会理事长、香港科技大学教授杨强带来联邦学习的最新发展与应用。

    杨强认为,AI 发展到今天面临很大挑战,尤其是数据挑战。数据孤岛、小数据、用户隐私的保护等导致数据的割裂,让 AI 技术很难发挥出价值。为了解决这一问题,杨强教授提出「联邦学习」的研究方向。

    所谓联邦学习,是多个数据方之间组成一个联盟,共同参与到全局建模的建设中,各方之间在保护数据隐私和模型参数基础上,仅共享模型加密后的参数,让共享模型达到更优的效果。

    杨强介绍道,联邦学习可分为横向联邦和纵向联邦,横向联邦是指企业各方数据维度相同、ID 维度不同,更多存在于消费者应用中;纵向联邦是指企业各方数据的 ID 维度相同(样本重叠)、数据维度不同,更多存在于 B 端应用。

    在具体的使用场景中,杨强重点介绍了联邦学习在金融行业中的应用。比如针对保险行业的个性化保险定价问题,一家互联网企业和一家保险企业进行数据合作,这种合作数据的 ID 重合度相当大,数据特征维度大大增加,使模型的个性化定价效果显著提升,为保险企业带来8倍覆盖率提升和1.5倍利润率提升。

    在另外一个小微企业信贷管理案例中,使用联邦学习后,企业将风控区分度提升12%,使贷款不良率小于千分之五。即使在双方既没有共同的 ID,数据特征也不同的情况下,也可以使用迁移学习结合联邦学习进行共同建模。

    杨强强调,联邦学习一定是多方共同协作组成一个联盟,生态的建设十分重要。它最大的优势是,保证数据不出户,通过生态在不同行业选取合作伙伴,用群体智能不断提升模型效果。

    未来,安全合规、防御攻击、算法效率、联盟机制等都需要进一步研究。比如联邦学习中各方合作的一个基础就是加密技术,加密算法的效率显得尤为重要,算法的改善还有很长的路要走。(易智)

    本文来源:网易智能 责任编辑:丁广胜_NT1941
    声明:本站部分资源来源于网络,版权归原作者或者来源机构所有,如作者或来源机构不同意本站转载采用,请通知我们,我们将第一时间删除内容。本站刊载文章出于传递更多信息之目的,所刊文章观点仅代表作者本人观点,并不意味着本站赞同作者观点或证实其描述,其原创性及对文章内容的真实性、完整性、及时性本站亦不作任何保证或承诺,请读者仅作参考。
    编辑: