Pembelajaran Bersekutu Kendiri-Selia
Pembelajaran Bersekutu Kendiri-Selia menggabungkan latihan bersekutu — di mana data tidak pernah meninggalkan peranti tempatan — dengan tugasan awal kendiri-selia seperti pembelajaran kontrastif atau ramalan bertopeng. Klien mempelajari perwakilan tujuan umum daripada data mereka sendiri yang tidak berlabel dan hanya berkongsi kemas kini model, bukan data mentah, dengan pelayan pusat yang menggabungkannya menjadi pengekod global.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
Cara memetik halaman ini
ScholarGate. (2026, June 3). Self-supervised Learning in Federated Settings. ScholarGate. https://scholargate.app/ms/machine-learning/self-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.
- Pembelajaran BersekutuPrivasi↔ compare
- Pembelajaran Sifar Contoh (Few-shot Learning)Pembelajaran Mesin↔ compare
- Pembelajaran Kendiri-PenyeliaanPembelajaran Mesin↔ compare
- Pembelajaran Separa SeliaPembelajaran Mesin↔ compare
- Pembelajaran PindahanPembelajaran Mesin↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →