ScholarGate
어시스턴트
Machine learningMachine learning

능동 학습 연합 학습 (Active Learning Federated Learning)

연합 능동 학습은 능동 학습의 주석 효율성(annotation-efficiency)과 연합 학습의 프라이버시 보존 분산화(privacy-preserving decentralization)를 결합합니다. 분산된 클라이언트 전반에 걸쳐 공유된 전역 모델이 훈련되며, 각 클라이언트는 자체적으로 레이블이 지정되지 않은 로컬 데이터를 순위화하고 가장 유익한 예시에 대해서만 레이블을 요청합니다. 이 과정에서 원시 데이터는 기기에 그대로 유지됩니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

능동 학습 연합 학습 (Active Learning Federated Learning)
능동 학습연합 학습온라인 학습자기 지도 학습준지도 학습전이 학습

출처

  1. Ro, J. Y., Ali, A., Lin, Z., & Suresh, A. T. (2021). Scaling Federated Learning for Fine-tuning of Large Language Models. In Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing (EMNLP). link ↗
  2. Federated learning. Wikipedia. link ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Federated Active Learning (Active Learning within Federated Learning). ScholarGate. https://scholargate.app/ko/machine-learning/active-learning-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.

Compare side by side →

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →

ScholarGate — Active Learning Federated Learning (Federated Active Learning (Active Learning within Federated Learning)). 2026-06-15에 다음에서 검색함: https://scholargate.app/ko/machine-learning/active-learning-federated-learning · 데이터셋: https://doi.org/10.5281/zenodo.20539026