Apprendimento Federato d'Insieme
L'Apprendimento Federato d'Insieme (Ensemble Federated Learning) combina la distribuzione per la tutela della privacy dell'apprendimento federato con l'aggregazione d'insieme: ogni client partecipante addestra il proprio modello locale su dati privati, e il server aggrega le predizioni — o i parametri del modello — da tutti i client utilizzando strategie d'insieme come il voto, la media o lo stacking, invece della sola semplice media dei parametri.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- McMahan, H. B., Moore, E., Ramage, D., Hampson, S., & y Arcas, B. A. (2017). Communication-efficient learning of deep networks from decentralized data. In Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 54, 1273–1282. link ↗
- Chen, Y., Qin, X., Wang, J., Yu, C., & Gao, W. (2021). FedHealth: A federated transfer learning framework for wearable healthcare. IEEE Intelligent Systems, 35(4), 83–93. DOI: 10.1109/MIS.2020.2988604 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Ensemble Federated Learning (Federated Ensemble Aggregation). ScholarGate. https://scholargate.app/it/machine-learning/ensemble-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.
- Bagging (Bootstrap Aggregating)Apprendimento automatico↔ compare
- BoostingApprendimento automatico↔ compare
- Federated LearningPrivacy↔ compare
- StackingApprendimento automatico↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
- Ensemble a votazioneApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →