Semi-supervised Federated Learning

Semi-supervised federated learning (SSFL) træner en delt model på tværs af mange decentraliserede klienter — der hver især indeholder private data — når kun en delmængde af klienter eller en delmængde af lokale prøver har etiketter. Det kombinerer den privatlivsbevarende koordination af federated learning med label-effektiviteten af semi-supervised teknikker som pseudo-labeling og konsistensregularisering, hvilket muliggør stærk modelkvalitet uden at centralisere følsomme data.