Machine learningMachine learning
온라인 연합 학습
온라인 연합 학습(Online Federated Learning, OFL)은 연합 학습의 프라이버시 보존 및 분산 구조와 온라인 학습의 순차적, 표본 단위 업데이트 방식을 결합합니다. 모바일 기기나 엣지 센서와 같은 클라이언트들은 전역 모델을 수신하고, 새로 도착하는 로컬 데이터로 모델을 업데이트하며, 원본 관측치를 공유하지 않고 압축된 업데이트를 중앙 서버에 기여하여 거의 실시간으로 집계됩니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Damaskinos, G., Guerraoui, R., Kermarrec, A.-M., Guirguis, A., Riviere, M., & Tempo, R. (2020). FLEET: Flexible and Efficient Federated Learning for Edge AI. Proceedings of Machine Learning and Systems (MLSys). link ↗
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & Aguera y Arcas, B. (2017). Communication-Efficient Learning of Deep Networks from Decentralized Data. Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), 54, 1273–1282. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Online Federated Learning (Sequential Distributed Learning without Centralised Data). ScholarGate. https://scholargate.app/ko/machine-learning/online-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.
- 차분 프라이버시프라이버시↔ compare
- 연합 학습프라이버시↔ compare
- 온라인 학습머신러닝↔ compare
- 확률적 경사 하강법(Stochastic Gradient Descent, SGD)머신러닝↔ compare
- 전이 학습머신러닝↔ compare