ScholarGate
Ассистент
Machine learningMachine learning

Активное обучение с федеративным обучением

Федеративное активное обучение сочетает эффективность разметки активного обучения с децентрализацией федеративного обучения, сохраняющей конфиденциальность. Общая глобальная модель обучается на распределенных клиентах, каждый из которых независимо ранжирует свои неразмеченные локальные данные и запрашивает метки только для наиболее информативных примеров, сохраняя необработанные данные на устройстве на протяжении всего процесса.

Открыть в MethodMindСкороВидеоСкороDownload slides

Читать метод полностью

Только для участников

Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.

Войти

Method map

The neighbourhood of related methods — select a node to explore.

Активное обучение с федеративным обучением
Активное обучениеФедеративное обучениеОнлайн-обучениеСамообучение с учителемОбучение с частичной раз…Перенос обучения

Источники

  1. Ro, J. Y., Ali, A., Lin, Z., & Suresh, A. T. (2021). Scaling Federated Learning for Fine-tuning of Large Language Models. In Proceedings of the 2021 Conference on Empirical Methods in Natural Language Processing (EMNLP). link ↗
  2. Federated learning. Wikipedia. link ↗

Как цитировать эту страницу

ScholarGate. (2026, June 3). Federated Active Learning (Active Learning within Federated Learning). ScholarGate. https://scholargate.app/ru/machine-learning/active-learning-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.

Compare side by side →

Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →

ScholarGate — Active Learning Federated Learning (Federated Active Learning (Active Learning within Federated Learning)). Получено 2026-06-15 из https://scholargate.app/ru/machine-learning/active-learning-federated-learning · Набор данных: https://doi.org/10.5281/zenodo.20539026