Aprenentatge Federat en Línia
L'Aprenentatge Federat en Línia (OFL) combina l'estructura descentralitzada i que preserva la privacitat de l'aprenentatge federat amb el règim d'actualització seqüencial, mostra a mostra, de l'aprenentatge en línia. Els clients —com ara dispositius mòbils o sensors de perímetre— reben un model global, l'actualitzen amb dades locals que arriben de nou sense compartir observacions brutes, i contribueixen amb actualitzacions comprimides a un servidor central que les agrega en temps gairebé real.
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
- Damaskinos, G., Guerraoui, R., Kermarrec, A.-M., Guirguis, A., Riviere, M., & Tempo, R. (2020). FLEET: Flexible and Efficient Federated Learning for Edge AI. Proceedings of Machine Learning and Systems (MLSys). link ↗
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & Aguera y Arcas, B. (2017). Communication-Efficient Learning of Deep Networks from Decentralized Data. Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), 54, 1273–1282. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Online Federated Learning (Sequential Distributed Learning without Centralised Data). ScholarGate. https://scholargate.app/ca/machine-learning/online-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.
- Privacitat diferencialPrivadesa↔ compare
- Aprenentatge FederatPrivadesa↔ compare
- Aprenentatge en líniaAprenentatge automàtic↔ compare
- Descens de Gradient Estocàstic (SGD)Aprenentatge automàtic↔ compare
- Aprenentatge per transferènciaAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →