Veebipõhine föderatiivne õppimine
Veebipõhine föderatiivne õppimine (OFL) ühendab föderatiivse õppimise privaatsust säilitava, detsentraliseeritud struktuuri veebipõhise õppimise järjestikuse, proovipõhise värskendusrežiimiga. Kliendid – nagu mobiilseadmed või servamõõdikud – saavad globaalse mudeli, värskendavad seda uue saabunud kohaliku andmestikuga, jagamata tooreid vaatlusi, ja edastavad tihendatud värskendused keskserverisse, mis koondab need peaaegu reaalajas.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Damaskinos, G., Guerraoui, R., Kermarrec, A.-M., Guirguis, A., Riviere, M., & Tempo, R. (2020). FLEET: Flexible and Efficient Federated Learning for Edge AI. Proceedings of Machine Learning and Systems (MLSys). link ↗
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & Aguera y Arcas, B. (2017). Communication-Efficient Learning of Deep Networks from Decentralized Data. Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), 54, 1273–1282. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Online Federated Learning (Sequential Distributed Learning without Centralised Data). ScholarGate. https://scholargate.app/et/machine-learning/online-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.
- Diferentsiaalne privaatsusPrivaatsus↔ compare
- Föderaallne õppiminePrivaatsus↔ compare
- Veebipõhine õpeMasinõpe↔ compare
- Stohhastiline gradiendilange (SGD)Masinõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →