Semi-supervidované federatívne učenie
Semi-supervidované federatívne učenie (SSFL) trénuje zdieľaný model naprieč mnohými decentralizovanými klientmi — z ktorých každý uchováva súkromné dáta — pričom len podmnožina klientov alebo podmnožina lokálnych vzoriek obsahuje anotácie. Kombinuje koordináciu federatívneho učenia, ktorá zachováva súkromie, s efektivitou anotácií semi-supervidovaných techník, ako je pseudo-anotovanie a konzistenčná regularizácia, čo umožňuje vysokú kvalitu modelu bez centralizácie citlivých dát.
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
- Jeong, W., Yoon, J., Yang, E., & Hwang, S. J. (2020). Federated Semi-Supervised Learning with Inter-Client Consistency. International Conference on Learning Representations (ICLR 2021). link ↗
- Zhang, Z., Chen, Y., Yu, H., & Lu, J. (2021). SemiFed: Semi-supervised Federated Learning with Consistency and Pseudo-Labeling. arXiv preprint arXiv:2108.09412. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Semi-supervised Federated Learning. ScholarGate. https://scholargate.app/sk/machine-learning/semi-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.
- Federated LearningSúkromie↔ compare
- Few-shot LearningStrojové učenie↔ compare
- Online Federated LearningStrojové učenie↔ compare
- SamoučenieStrojové učenie↔ compare
- Polosupervizované učenieStrojové učenie↔ compare
- Prenosové učenieStrojové učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →