Machine learningMachine learning
半教師あり連合学習
半教師あり連合学習（SSFL）は、多くの非中央集権型クライアント（それぞれがプライベートデータを保持）間で共有モデルを訓練する手法です。この際、クライアントの一部またはローカルサンプルの一部のみがラベルを持つ状況を想定します。SSFLは、連合学習のプライバシー保護協調と、擬似ラベリングや一貫性正則化といった半教師あり手法のラベル効率性を組み合わせることで、機密データを一元化することなく高いモデル品質を実現します。
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
- 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 ↗
このページの引用方法
ScholarGate. (2026, June 3). Semi-supervised Federated Learning. ScholarGate. https://scholargate.app/ja/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.
- Federated Learning（連合学習）プライバシー↔ compare
- Few-shot Learning機械学習↔ compare
- オンライン連合学習機械学習↔ compare
- 自己教師あり学習機械学習↔ compare
- 半教師あり学習機械学習↔ compare
- 転移学習機械学習↔ compare