Semi-supervised Federated Learning

Semi-supervised federated learning (SSFL) trenerer en delt modell på tvers av mange desentraliserte klienter – som hver har private data – når bare en delmengde av klienter eller en delmengde av lokale utvalg har etiketter. Den kombinerer den personvernbeskyttende koordineringen av føderert læring med etiketteffektiviteten til semi-veiledede teknikker som pseudo-etikettering og konsistensregularisering, noe som muliggjør sterk modellkvalitet uten å sentralisere sensitive data.