Κανονικοποιημένη Ομοσπονδιακή Μάθηση
Η κανονικοποιημένη ομοσπονδιακή μάθηση επεκτείνει το πλαίσιο της ομοσπονδιακής μάθησης προσθέτοντας όρους ποινής στην τοπική αντικειμενική συνάρτηση κάθε πελάτη, αγκυρώνοντας τις τοπικές ενημερώσεις πιο κοντά στο καθολικό μοντέλο. Η κανονική διατύπωση — FedProx — προσθέτει έναν προσεγγιστικό όρο που ελέγχει πόσο μπορεί να αποκλίνει ένας μεμονωμένος πελάτης, βελτιώνοντας τη σύγκλιση και τη σταθερότητα όταν οι κατανομές δεδομένων των πελατών διαφέρουν σημαντικά.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- Li, T., Sahu, A. K., Zaheer, M., Sanjabi, M., Talwalkar, A., & Smith, V. (2020). Federated Optimization in Heterogeneous Networks. Proceedings of Machine Learning and Systems (MLSys), 2, 429–450. link ↗
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & y Arcas, B. A. (2017). Communication-Efficient Learning of Deep Networks from Decentralized Data. Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 54, 1273–1282. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Regularized Federated Learning (Proximal and Penalty-Based Approaches). ScholarGate. https://scholargate.app/el/machine-learning/regularized-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.
- Ομοσπονδιακή ΜάθησηΙδιωτικότητα↔ compare
- Διαδικτυακή ΜάθησηΜηχανική Μάθηση↔ compare
- Κανονικοποιημένη Ενίσχυση ΚλίσηςΜηχανική Μάθηση↔ compare
- Κανονικοποιημένη Λογιστική ΠαλινδρόμησηΜηχανική Μάθηση↔ compare
- Ημι-επιβλεπόμενη ΜάθησηΜηχανική Μάθηση↔ compare
- Εκμάθηση μεταφοράςΜηχανική Μάθηση↔ compare
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →