Apprentissage Fédéré Auto-Supervisé
L'apprentissage fédéré auto-supervisé combine l'entraînement fédéré — où les données ne quittent jamais les appareils locaux — avec des tâches prétextes auto-supervisées telles que l'apprentissage contrastif ou la prédiction masquée. Les clients apprennent des représentations à usage général à partir de leurs propres données non étiquetées et ne partagent que les mises à jour du modèle, et non les données brutes, avec un serveur central qui les agrège en un encodeur global.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
Comment citer cette page
ScholarGate. (2026, June 3). Self-supervised Learning in Federated Settings. ScholarGate. https://scholargate.app/fr/machine-learning/self-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.
- Apprentissage FédéréProtection de la vie privée↔ compare
- Apprentissage à peu d'exemplesApprentissage automatique↔ compare
- Apprentissage auto-superviséApprentissage automatique↔ compare
- Apprentissage semi-superviséApprentissage automatique↔ compare
- Apprentissage par transfertApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →