ScholarGate
Асистент
Machine learningMachine learning

Федеративно активно обучение

Федеративното активно обучение съчетава ефективността на анотирането при активното обучение с децентрализацията на федеративното обучение, която запазва поверителността. Споделен глобален модел се обучава върху разпределени клиенти, всеки от които самостоятелно класира своите немаркирани локални данни и изисква етикети само за най-информативните примери, като суровите данни остават на устройството през цялото време.

Отворете в MethodMindСкороВидеоСкороDownload slides

Прочетете целия метод

Само за членове

Влезте с безплатен профил, за да прочетете този раздел.

Вход

Method map

The neighbourhood of related methods — select a node to explore.

Федеративно активно обучение
Активно обучениеФедеративно ученеОнлайн обучениеСамообучаващо се ученеПолу-наблюдавано обучениеТрансферно обучение

Източници

  1. Ro, J. Y., Ali, A., Lin, Z., & Suresh, A. T. (2021). Scaling Federated Learning for Fine-tuning of Large Language Models. In Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing (EMNLP). link ↗
  2. Federated learning. Wikipedia. link ↗

Как да цитирате тази страница

ScholarGate. (2026, June 3). Federated Active Learning (Active Learning within Federated Learning). ScholarGate. https://scholargate.app/bg/machine-learning/active-learning-federated-learning

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side →

Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →

ScholarGate — Active Learning Federated Learning (Federated Active Learning (Active Learning within Federated Learning)). Извлечено на 2026-06-15 от https://scholargate.app/bg/machine-learning/active-learning-federated-learning · Набор от данни: https://doi.org/10.5281/zenodo.20539026