Machine learningPrivacy-preserving analysis

Ομοσπονδιακή Μάθηση

Η Ομοσπονδιακή Μάθηση (Federated Learning) είναι ένα κατανεμημένο παράδειγμα μηχανικής μάθησης που εισήχθη από τους McMahan et al. το 2017, στο οποίο ένα καθολικό μοντέλο εκπαιδεύεται συνεργατικά σε πολλούς αποκεντρωμένους πελάτες — όπως κινητές συσκευές ή συστήματα νοσοκομείων — χωρίς ποτέ να μεταφέρονται ακατέργαστα δεδομένα σε έναν κεντρικό διακομιστή. Κάθε συμμετέχων υπολογίζει τοπικά τις ενημερώσεις του μοντέλου χρησιμοποιώντας τα ιδιωτικά του δεδομένα· μόνο αυτές οι ενημερώσεις, όχι τα υποκείμενα δεδομένα, επικοινωνούνται και συγκεντρώνονται από τον διακομιστή για τη βελτίωση του κοινόχρηστου μοντέλου.

Άνοιγμα στο MethodMindΣύντομαΒίντεοΣύντομαDownload slides

Διαβάστε ολόκληρη τη μέθοδο

Μόνο για μέλη

Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.

Σύνδεση

Method map

The neighbourhood of related methods — select a node to explore.

+4 more

Πηγές

  1. 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

Πώς να παραπέμψετε σε αυτή τη σελίδα

ScholarGate. (2026, June 2). Federated Learning. ScholarGate. https://scholargate.app/el/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.

Compare side by side

Αναφέρεται από

ScholarGateFederated Learning (Federated Learning). Ανακτήθηκε στις 2026-06-15 από https://scholargate.app/el/privacy/federated-learning · Σύνολο δεδομένων: https://doi.org/10.5281/zenodo.20539026