集体学习 — 更新发布代码

集体学习协议允许学习者合作训练模型,而无需参与者之间信任。学习者对模型的更新进行投票,并且仅更新质量阈值。这使系统能够通过提供错误的更新来尝试干扰使模型更强大。 Colearn是一个数据库 保护 在FET网络上的分散式机器学习任务的隐私。 这种由区块链介导的集体学习系统使多个利益相关者可以构建共享的机器学习模型,而无需依赖中央机构,也无需向其他利益相关者透露有关其数据集的敏感信息。 Colearn的目的是使由于隐私问题,缺乏信任或缺乏沟通而无法有效协作的各方之间一起工作。 Colearn的目标是成为一个框架,以简单但有效的方式弥合不同利益相关者之间的鸿沟。 当一组实体(称为参与者)决定模型架构并开始学习时,Collearn实验就开始了。他们将一起训练一个单一的全球模型。目的是训练一种模型,该模型的性能要优于任何学习者通过训练其私有数据集所能产生的效果。 核心组件是: 训练是全面进行的;在每个回合中,学习者都试图改善全局共享模型的性能。为此,建议每轮更新全局模型(例如,神经网络中的一组新的权重)。然后,学习者评估更新并确定新模型是否优于当前的全局模型。