物联网(物联网)应用程序,如智能交通和远程健康监控,导致难以置信的生活质量的进步。在物联网时代,大量的设备和大量的数据需要部署的机器学习方法,以提供高质量的智能服务。然而,由于物联网设备不应该共享个人资料数据滥用和泄露的风险。作为分布式机器学习方法与数据隐私,联合学习(FL)近年来在物联网应用中引起了极大关注。随着FL技术的发展,出现了一些挑战包括收敛速度分析、设备选择、资源分配等多种理论,提出了优化算法,以及复杂的方案来应对这些挑战。此外,在物联网可以受益于FL和物联网应用系统可以提供有效的保障。然而,需要进一步的研究,使物联网FL。

这个特殊的问题旨在汇集主要研究人员和开发人员从工业和学术界目前对物联网的研究FL,促进物联网的发展。我们欢迎原始研究和评论文章。

潜在的主题包括但不限于以下:

• 物联网的体系结构和协议设计在FL
• 物联网的应用程序和服务在FL
• 对FL收敛速度分析
• 先进的联合优化算法使FL在物联网
• 人工智能物联网授权FL
• 物联网的区块链授权FL
• 通信、计算和缓存资源管理物联网FL
• 物联网的智能资源分配在FL
• 在FL物联网安全和隐私问题
• 实现/实验/部署FL
• 个性化FL对物联网