Aprenentatge Federat Semisupervisat
L'aprenentatge federat semisupervisat (SSFL) entrena un model compartit a través de molts clients descentralitzats —cadascun amb dades privades— quan només un subconjunt de clients o un subconjunt de mostres locals contenen etiquetes. Combina la coordinació que preserva la privadesa de l'aprenentatge federat amb l'eficiència d'etiquetatge de tècniques semisupervisades com el pseudoetiquetatge i la regularització de consistència, permetent una forta qualitat del model sense centralitzar dades sensibles.
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
- Jeong, W., Yoon, J., Yang, E., & Hwang, S. J. (2020). Federated Semi-Supervised Learning with Inter-Client Consistency. International Conference on Learning Representations (ICLR 2021). link ↗
- Zhang, Z., Chen, Y., Yu, H., & Lu, J. (2021). SemiFed: Semi-supervised Federated Learning with Consistency and Pseudo-Labeling. arXiv preprint arXiv:2108.09412. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Federated Learning. ScholarGate. https://scholargate.app/ca/machine-learning/semi-supervised-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.
- Aprenentatge FederatPrivadesa↔ compare
- Aprenentatge amb pocs exemplesAprenentatge automàtic↔ compare
- Aprenentatge Federat en LíniaAprenentatge automàtic↔ compare
- Aprenentatge autosupervisatAprenentatge automàtic↔ compare
- Aprenentatge semi-supervisatAprenentatge automàtic↔ compare
- Aprenentatge per transferènciaAprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →