Aprenentatge Federat d'Ensemble
L'Aprenentatge Federat d'Ensemble combina la distribució que preserva la privadesa de l'aprenentatge federat amb l'agregació d'ensemble: cada client participant entrena el seu propi model local amb dades privades, i el servidor agrega les prediccions —o els paràmetres del model— de tots els clients utilitzant estratègies d'ensemble com ara votació, mitjana o apilament (stacking), en lloc d'una simple mitjana de paràmetres.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- McMahan, H. B., Moore, E., Ramage, D., Hampson, S., & y Arcas, B. A. (2017). Communication-efficient learning of deep networks from decentralized data. In Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 54, 1273–1282. link ↗
- Chen, Y., Qin, X., Wang, J., Yu, C., & Gao, W. (2021). FedHealth: A federated transfer learning framework for wearable healthcare. IEEE Intelligent Systems, 35(4), 83–93. DOI: 10.1109/MIS.2020.2988604 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Ensemble Federated Learning (Federated Ensemble Aggregation). ScholarGate. https://scholargate.app/ca/machine-learning/ensemble-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.
- Bagging (Bootstrap Aggregating)Aprenentatge automàtic↔ compare
- BoostingAprenentatge automàtic↔ compare
- Aprenentatge FederatPrivadesa↔ compare
- StackingAprenentatge automàtic↔ compare
- Aprenentatge per transferènciaAprenentatge automàtic↔ compare
- Votació en conjuntAprenentatge automàtic↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →