Aprendizaje Federado de Conjuntos

El Aprendizaje Federado de Conjuntos (Ensemble Federated Learning) combina la distribución de preservación de la privacidad del aprendizaje federado con la agregación de conjuntos: cada cliente participante entrena su propio modelo local sobre datos privados, y el servidor agrega las predicciones —o los parámetros del modelo— de todos los clientes utilizando estrategias de conjunto como votación, promediación o apilamiento (stacking), en lugar de una simple promediación de parámetros.