阿里巴巴集团 发布 FEDHPO-B 数据集, 应用在 联邦学习、超参数优化 领域

阿里巴巴集团 本次发布的数据集 FEDHPO-B, FEDHPO-B是由阿里巴巴集团和苏黎世联邦理工学院合作开发的一个综合性的联邦超参数优化基准套件。该数据集旨在解决联邦学习（FL）中的超参数优化（HPO）问题，特别是在分散数据环境下的模型训练。FEDHPO-B包含了多种联邦学习任务，支持高效的函数评估，并易于持续扩展。数据集通过模拟执行来估计部署成本，同时提供了表格和代理模式以进行近似但高效的函数评估。此外，FEDHPO-B建立在开源的联邦学习平台FederatedScope之上，便于社区轻松添加新的任务和HPO方法。该数据集的应用领域主要集中在提升联邦学习算法的性能，解决在分散数据环境中协同学习模型的挑战。

查看FEDHPO-B

关于 阿里巴巴集团 , 阿里巴巴集团是一家总部位于中国的跨国科技公司，主要业务包括电子商务、云计算、数字媒体和娱乐等。它是全球最大的零售商之一，旗下拥有淘宝、天猫等知名电商平台。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。