Federované učení se sebeřízením
Federované učení se sebeřízením kombinuje federovaný trénink – kde data nikdy neopouštějí lokální zařízení – se sebeřízenými předběžnými úlohami, jako je kontrastivní učení nebo maskované predikce. Klienti se učí obecné reprezentace ze svých vlastních neoznačených dat a sdílejí pouze aktualizace modelu, nikoli surová data, s centrálním serverem, který je agreguje do globálního enkodéru.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised Learning in Federated Settings. ScholarGate. https://scholargate.app/cs/machine-learning/self-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.
- Federované učeníSoukromí↔ compare
- Učení s malým počtem příkladůStrojové učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Semisupervisední učeníStrojové učení↔ compare
- Přenosové učeníStrojové učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →