Selv-superviseret fødereret læring
Selv-superviseret fødereret læring kombinerer fødereret træning — hvor data aldrig forlader lokale enheder — med selv-superviserede fortekstopgaver som kontrastiv læring eller maskeret forudsigelse. Klienter lærer generelle repræsentationer fra deres egne umærkede data og deler kun modelopdateringer, ikke rådata, med en central server, der aggregerer dem til en global encoder.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised Learning in Federated Settings. ScholarGate. https://scholargate.app/da/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.
- Fødereret læringPrivatlivsbeskyttelse↔ compare
- Few-shot LearningMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- OverførselslæringMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →