Robustné federatívne učenie
Robustné federatívne učenie rozširuje štandardné federatívne učenie o agregačné pravidlá odolné voči byzantským chybám, ktoré chránia globálny model pred škodlivými, poškodenými alebo nespoľahlivými klientmi. Namiesto naivného spriemerovania gradientov klientov, robustné agregačné metódy, ako je medián po súradniciach alebo Krum, filtrujú škodlivé aktualizácie, takže menšina nepriateľských účastníkov nemôže narušiť trénovanie.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Blanchard, P., El Mhamdi, E. M., Guerraoui, R., & Stainer, J. (2017). Machine Learning with Adversaries: Byzantine Tolerant Gradient Descent. Advances in Neural Information Processing Systems, 30. link ↗
- Yin, D., Chen, Y., Kannan, R., & Bartlett, P. (2018). Byzantine-Robust Distributed Learning: Towards Optimal Statistical Rates. Proceedings of the 35th International Conference on Machine Learning (ICML), PMLR 80:5650–5659. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Robust Federated Learning (Byzantine-Tolerant Distributed Training). ScholarGate. https://scholargate.app/sk/machine-learning/robust-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.
- Bayesian Federated LearningStrojové učenie↔ compare
- Federated LearningSúkromie↔ compare
- Online Federated LearningStrojové učenie↔ compare
- Robustný Gradient BoostingStrojové učenie↔ compare
- Semi-supervidované federatívne učenieStrojové učenie↔ compare
- Prenosové učenieStrojové učenie↔ compare
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →