Aprendizagem Federada em Conjunto (Ensemble Federated Learning)
A Aprendizagem Federada em Conjunto combina a distribuição de preservação da privacidade da aprendizagem federada com a agregação de conjuntos (ensemble): cada cliente participante treina seu próprio modelo local em dados privados, e o servidor agrega previsões — ou parâmetros de modelo — de todos os clientes usando estratégias de conjunto, como votação, média ou empilhamento (stacking), em vez de apenas a média simples de parâmetros.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- McMahan, H. B., Moore, E., Ramage, D., Hampson, S., & y Arcas, B. A. (2017). Communication-efficient learning of deep networks from decentralized data. In Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 54, 1273–1282. link ↗
- Chen, Y., Qin, X., Wang, J., Yu, C., & Gao, W. (2021). FedHealth: A federated transfer learning framework for wearable healthcare. IEEE Intelligent Systems, 35(4), 83–93. DOI: 10.1109/MIS.2020.2988604 ↗
Como citar esta página
ScholarGate. (2026, June 3). Ensemble Federated Learning (Federated Ensemble Aggregation). ScholarGate. https://scholargate.app/pt/machine-learning/ensemble-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.
- Bagging (Bootstrap Aggregating)Aprendizado de máquina↔ compare
- BoostingAprendizado de máquina↔ compare
- Aprendizagem FederadaPrivacidade↔ compare
- StackingAprendizado de máquina↔ compare
- Aprendizagem por TransferênciaAprendizado de máquina↔ compare
- Comitê de VotaçãoAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →