การเรียนรู้แบบสหพันธ์แบบรวมกลุ่ม
การเรียนรู้แบบสหพันธ์แบบรวมกลุ่ม (Ensemble Federated Learning) ผสมผสานการกระจายข้อมูลแบบรักษาความเป็นส่วนตัวของการเรียนรู้แบบสหพันธ์ (federated learning) เข้ากับการรวมกลุ่มผลลัพธ์ (ensemble aggregation): ลูกค้าแต่ละรายที่เข้าร่วมจะฝึกโมเดลท้องถิ่นของตนเองด้วยข้อมูลส่วนตัว และเซิร์ฟเวอร์จะรวบรวมการคาดการณ์ — หรือพารามิเตอร์โมเดล — จากลูกค้าทั้งหมดโดยใช้กลยุทธ์การรวมกลุ่ม เช่น การลงคะแนน การหาค่าเฉลี่ย หรือการซ้อนทับ (stacking) แทนที่จะหาค่าเฉลี่ยพารามิเตอร์แบบธรรมดาเพียงอย่างเดียว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- McMahan, H. B., Moore, E., Ramage, D., Hampson, S., & y Arcas, B. A. (2017). Communication-efficient learning of deep networks from decentralized data. In Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 54, 1273–1282. link ↗
- Chen, Y., Qin, X., Wang, J., Yu, C., & Gao, W. (2021). FedHealth: A federated transfer learning framework for wearable healthcare. IEEE Intelligent Systems, 35(4), 83–93. DOI: 10.1109/MIS.2020.2988604 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Ensemble Federated Learning (Federated Ensemble Aggregation). ScholarGate. https://scholargate.app/th/machine-learning/ensemble-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.
- Bagging (Bootstrap Aggregating)การเรียนรู้ของเครื่อง↔ compare
- Boostingการเรียนรู้ของเครื่อง↔ compare
- สหพันธ์การเรียนรู้ความเป็นส่วนตัว↔ compare
- การซ้อนทับการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบถ่ายโอนการเรียนรู้ของเครื่อง↔ compare
- การรวมแบบลงคะแนนการเรียนรู้ของเครื่อง↔ compare