Poolitult järelevalve all toimuv föderatiivne õpe
Poolitult järelevalve all toimuv föderatiivne õpe (SSFL) koolitab jagatud mudelit paljudes detsentraliseeritud klientides – millest igaüks hoiab privaatseid andmeid –, kui ainult klientide alamhulk või kohalike näidiste alamhulk sisaldab silte. See ühendab föderatiivse õppe privaatsust säilitava koordineerimise pooljärelevalve all olevate tehnikate, nagu pseudomärgistamine ja konsistentsuse reguleerimine, tööefektiivsusega, võimaldades tugevat mudeli kvaliteeti ilma tundlikke andmeid tsentraliseerimata.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Jeong, W., Yoon, J., Yang, E., & Hwang, S. J. (2020). Federated Semi-Supervised Learning with Inter-Client Consistency. International Conference on Learning Representations (ICLR 2021). link ↗
- Zhang, Z., Chen, Y., Yu, H., & Lu, J. (2021). SemiFed: Semi-supervised Federated Learning with Consistency and Pseudo-Labeling. arXiv preprint arXiv:2108.09412. link ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Semi-supervised Federated Learning. ScholarGate. https://scholargate.app/et/machine-learning/semi-supervised-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.
- Föderaallne õppiminePrivaatsus↔ compare
- Väheste näidistega õppimineMasinõpe↔ compare
- Veebipõhine föderatiivne õppimineMasinõpe↔ compare
- Enesest juhendav õppimineMasinõpe↔ compare
- Poolitatud järelevalvega õppimineMasinõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →