Semi-supervised Federated Learning

Semi-supervised federated learning (SSFL) traint een gedeeld model over vele gedecentraliseerde clients — elk met private data — wanneer slechts een subset van clients of een subset van lokale samples labels draagt. Het combineert de privacy-beschermende coördinatie van federated learning met de label-efficiëntie van semi-supervised technieken zoals pseudo-labeling en consistency regularization, wat sterke modelkwaliteit mogelijk maakt zonder gevoelige data te centraliseren.