Aprenentatge Federat
L'aprenentatge federat és un paradigma d'aprenentatge automàtic distribuït introduït per McMahan et al. el 2017 en el qual un model global s'entrena col·laborativament a través de múltiples clients descentralitzats — com ara dispositius mòbils o sistemes hospitalaris — sense transferir mai dades brutes a un servidor central. Cada participant calcula actualitzacions del model localment utilitzant les seves dades privades; només aquestes actualitzacions, no les dades subjacents, es comuniquen i s'agreguen pel servidor per millorar el model compartit.
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.
+4 more
Fonts
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & Arcas, B. A. (2017). Communication-efficient learning of deep networks from decentralized data. Artificial Intelligence and Statistics, 1273–1282. link ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 2). Federated Learning. ScholarGate. https://scholargate.app/ca/privacy/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
- Destil·lació del coneixementAprenentatge profund↔ compare
- Descens de Gradient Estocàstic (SGD)Aprenentatge automàtic↔ compare
Citat per
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →