Machine learningMachine learning
アンサンブル連合学習
アンサンブル連合学習は、連合学習のプライバシー保護された分散性とアンサンブル集約を組み合わせたものです。各参加クライアントは、プライベートデータ上で独自のローカルモデルをトレーニングし、サーバーは、単純なパラメータ平均化だけでなく、投票、平均化、スタッキングなどのアンサンブル戦略を使用して、すべてのクライアントからの予測（またはモデルパラメータ）を集約します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Ensemble Federated Learning (Federated Ensemble Aggregation). ScholarGate. https://scholargate.app/ja/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.
- バギング（ブートストラップ集約）機械学習↔ compare
- ブースティング機械学習↔ compare
- Federated Learning（連合学習）プライバシー↔ compare
- スタッキング機械学習↔ compare
- 転移学習機械学習↔ compare
- 投票アンサンブル機械学習↔ compare