Uczenie federacyjne z samo-nadzorem
Uczenie federacyjne z samo-nadzorem łączy trening federacyjny – gdzie dane nigdy nie opuszczają lokalnych urządzeń – z zadaniami pretekstowymi z samo-nadzorem, takimi jak uczenie kontrastowe lub przewidywanie zamaskowanych elementów. Klienci uczą się ogólnych reprezentacji z własnych nieetykietowanych danych i udostępniają jedynie aktualizacje modelu, a nie surowe dane, centralnemu serwerowi, który agreguje je w globalny enkoder.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
Jak cytować tę stronę
ScholarGate. (2026, June 3). Self-supervised Learning in Federated Settings. ScholarGate. https://scholargate.app/pl/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.
- Uczenie federacyjnePrywatność↔ compare
- Uczenie z niewielką liczbą przykładówUczenie maszynowe↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Uczenie transferoweUczenie maszynowe↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →