สหพันธ์การเรียนรู้
สหพันธ์การเรียนรู้ (Federated Learning) เป็นกระบวนทัศน์การเรียนรู้ของเครื่องแบบกระจายศูนย์ที่นำเสนอโดย McMahan และคณะในปี 2017 ซึ่งมีการฝึกโมเดลส่วนกลาง (global model) ร่วมกันในหลายไคลเอนต์แบบกระจายศูนย์ (decentralized clients) เช่น อุปกรณ์เคลื่อนที่หรือระบบโรงพยาบาล โดยไม่ต้องถ่ายโอนข้อมูลดิบไปยังเซิร์ฟเวอร์ส่วนกลาง แต่ละส่วนจะคำนวณการอัปเดตโมเดลในเครื่องโดยใช้ข้อมูลส่วนตัวของตนเอง และมีเพียงการอัปเดตเหล่านั้นเท่านั้นที่ไม่ใช่ข้อมูลพื้นฐานที่จะถูกสื่อสารและรวบรวมโดยเซิร์ฟเวอร์เพื่อปรับปรุงโมเดลที่ใช้ร่วมกัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 2). Federated Learning. ScholarGate. https://scholargate.app/th/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.
- ความเป็นส่วนตัวเชิงอนุพันธ์ความเป็นส่วนตัว↔ compare
- การกลั่นความรู้การเรียนรู้เชิงลึก↔ compare
- Stochastic Gradient Descent (SGD)การเรียนรู้ของเครื่อง↔ compare