Mësimi i Federuar Gjysmë i Mbikëqyrur
Mësimi i federuar gjysmë i mbikëqyrur (SSFL) trajnon një model të përbashkët në shumë klientë të decentralizuar — secili duke mbajtur të dhëna private — kur vetëm një nëngrup klientësh ose një nëngrup i mostrave lokale mbajnë etiketa. Ai kombinon koordinimin që ruan privatësinë të mësimit të federuar me efikasitetin e etiketave të teknikave gjysmë të mbikëqyrura si pseudo-etiketimi dhe rregullimi i konsistencës, duke mundësuar cilësi të fortë të modelit pa centralizuar të dhëna të ndjeshme.
Lexoni metodën e plotë
Hyni me një llogari falas për ta lexuar këtë seksion.
Harta e metodave
Lagjja e metodave të lidhura — zgjidhni një nyje për të eksploruar.
Burimet
- 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 ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 3). Semi-supervised Federated Learning. ScholarGate. https://scholargate.app/sq/machine-learning/semi-supervised-federated-learning
Cila metodë?
Vendoseni këtë metodë pranë të afërmeve të saj më të ngushta dhe lexojini krah për krah — biblioteka i shtron librat mbi tryezë; zgjedhja është e juaja.
- Mësimi i ShtrirëPrivatësia↔ krahaso
- Mësimi me pak shembujMësimi i makinës↔ krahaso
- Të mësuarit e Përbashkët OnlineMësimi i makinës↔ krahaso
- Mësimi i Vetë-MbikëqyrurMësimi i makinës↔ krahaso
- Mësimi Gjysmë i MbikëqyrurMësimi i makinës↔ krahaso
- Mësimi i TransferueshëmMësimi i makinës↔ krahaso
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →