Mësimi i Shtrirë
Mësimi i Shtrirë është një paradigmë e shpërndarë e mësimit makinerik, prezantuar nga McMahan et al. në vitin 2017, në të cilën një model global stërvitet në mënyrë bashkëpunuese nëpër klientë të decentralizuar – siç janë pajisjet mobile ose sistemet spitalore – pa transferuar kurrë të dhëna të papërpunuara në një server qendror. Çdo pjesëmarrës llogarit përditësime të modelit në nivel lokal duke përdorur të dhënat e tij private; vetëm ato përditësime, jo të dhënat themelore, komunikojnë dhe grumbullohen nga serveri për të përmirësuar modelin e përbashkët.
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.
+4 more
Burimet
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & Arcas, B. A. (2017). Communication-efficient learning of deep networks from decentralized data. Artificial Intelligence and Statistics, 1273–1282. link ↗
Si ta citoni këtë faqe
ScholarGate. (2026, June 2). Federated Learning. ScholarGate. https://scholargate.app/sq/privacy/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.
- Privatësi DiferencialePrivatësia↔ compare
- Distilimimi i NjohuriveMësimi i thellë↔ compare
- Zbjarja e Gradientit Stokastik (SGD)Mësimi i makinës↔ compare
Cituar nga
Vutë re një problem në këtë faqe? Raportojeni ose sugjeroni një korrigjim →