FedAdam算法:供给方信用，数据质量；更新一致性
-
FedAdam算法概述
- FedAdam是一种联邦学习（Federated Learning）算法。联邦学习是一种机器学习技术，它允许在多个设备或数据中心（称为客户端）上训练模型，而无需将数据集中到一个中央服务器，从而保护数据隐私。FedAdam主要用于优化联邦学习中的模型参数更新过程，它基于Adam优化算法。
- Adam（Adaptive Moment Estimation）是一种优化算法，它结合了动量（Momentum）和自适应学习率（Adaptive Learning Rate）的优点。动量部分帮助加速模型收敛，自适应学习率部分则根据参数的重要性和更新频率动态调整学习率，使得每个参数都能以合适的速度收敛。FedAdam在联邦学习场景下采用类似的思想来协调多个客户端的模型更新。
-
举例说明FedAdam算法的应用场景
- 医疗数据联邦学习
- 背景：假设有多家医院，每家医院都有
- 医疗数据联邦学习
