Machine learningMachine learning
준지도 연합 학습
준지도 연합 학습(Semi-supervised Federated Learning, SSFL)은 소수의 클라이언트 또는 로컬 샘플만 레이블을 가지고 있을 때, 비공개 데이터를 보유한 수많은 분산된 클라이언트 전반에 걸쳐 공유 모델을 학습시킵니다. 이는 연합 학습의 개인 정보 보호 조정과 준지도 기법(예: 유사 레이블링, 일관성 정규화)의 레이블 효율성을 결합하여 민감한 데이터를 중앙 집중화하지 않고도 높은 모델 품질을 가능하게 합니다.
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
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Federated Learning. ScholarGate. https://scholargate.app/ko/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.
- 연합 학습프라이버시↔ compare
- 퓨샷 학습머신러닝↔ compare
- 온라인 연합 학습머신러닝↔ compare
- 자기 지도 학습머신러닝↔ compare
- 준지도 학습머신러닝↔ compare
- 전이 학습머신러닝↔ compare