Machine learningPrivacy-preserving analysis
למידה מאוחדת (Federated Learning)
למידה מאוחדת היא פרדיגמת למידת מכונה מבוזרת שהוצגה על ידי McMahan ואחרים בשנת 2017, שבה מודל גלובלי מאומן בשיתוף פעולה על פני מספר לקוחות מבוזרים – כגון מכשירים ניידים או מערכות בתי חולים – מבלי להעביר נתונים גולמיים לשרת מרכזי. כל משתתף מחשב עדכוני מודל באופן מקומי באמצעות הנתונים הפרטיים שלו; רק עדכונים אלה, ולא הנתונים הבסיסיים, מועברים ומצטברים על ידי השרת כדי לשפר את המודל המשותף.
קראו את השיטה במלואה
לחברים בלבד
התחברותהתחברו עם חשבון חינמי כדי לקרוא חלק זה.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
מקורות
- 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 ↗
איך לצטט עמוד זה
ScholarGate. (2026, June 2). Federated Learning. ScholarGate. https://scholargate.app/he/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.
- פרטיות דיפרנציאליתפרטיות↔ compare
- זיקוק ידע (Knowledge Distillation)למידה עמוקה↔ compare
- ירידה סטוכסטית של גרדיאנט (SGD)למידת מכונה↔ compare