Mësimi i Përbashkët i Fortë
Mësimi i Përbashkët i Fortë (Robust Federated Learning) zgjeron mësimin e përbashkët standard me rregulla grumbullimi me tolerancë ndaj Byzantit, të cilat mbrojnë modelin global kundër klientëve keqdashës, të dëmtuar ose të paqëndrueshëm. Në vend që të mesatarizojë naivisht gradientët e klientëve, metodat e grumbullimit të fortë si mediana sipas koordinatave ose Krumi filtrojnë përditësimet e dëmshme, në mënyrë që një pakicë pjesëmarrësish armiqësorë të mos mund ta prishin stërvitjen.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Method map
The neighbourhood of related methods — select a node to explore.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Robust Federated Learning (Byzantine-Tolerant Distributed Training). ScholarGate. https://scholargate.app/sq/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.
- Mësimi i Shtrirë BajezianMësimi i makinës↔ compare
- Mësimi i ShtrirëPrivatësia↔ compare
- Të mësuarit e Përbashkët OnlineMësimi i makinës↔ compare
- Përmirësimi i Pjerrëtuesit të FortëMësimi i makinës↔ compare
- Mësimi i Federuar Gjysmë i MbikëqyrurMësimi i makinës↔ compare
- Mësimi i TransferueshëmMësimi i makinës↔ compare
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →