Învățare federată online
Învățarea federată online (OFL) combină structura descentralizată și de protecție a confidențialității a învățării federate cu regimul de actualizare secvențial, eșantion cu eșantion al învățării online. Clienții — precum dispozitive mobile sau senzori de margine — primesc un model global, îl actualizează pe date locale nou sosite fără a partaja observații brute și contribuie cu actualizări comprimate către un server central care le agregă în timp real.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Damaskinos, G., Guerraoui, R., Kermarrec, A.-M., Guirguis, A., Riviere, M., & Tempo, R. (2020). FLEET: Flexible and Efficient Federated Learning for Edge AI. Proceedings of Machine Learning and Systems (MLSys). link ↗
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & Aguera y Arcas, B. (2017). Communication-Efficient Learning of Deep Networks from Decentralized Data. Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), 54, 1273–1282. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Online Federated Learning (Sequential Distributed Learning without Centralised Data). ScholarGate. https://scholargate.app/ro/machine-learning/online-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.
- Confidențialitate DiferențialăConfidențialitate↔ compare
- Învățare federatăConfidențialitate↔ compare
- Învățare onlineÎnvățare automată↔ compare
- Descrierea algoritmului de optimizare Gradient Descent Stocastic (SGD)Învățare automată↔ compare
- Învățare prin transferÎnvățare automată↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →