Надійне федеративне навчання
Надійне федеративне навчання (Robust Federated Learning) розширює стандартне федеративне навчання за допомогою стійких до візантійських помилок правил агрегації, які захищають глобальну модель від зловмисних, пошкоджених або ненадійних клієнтів. Замість наївного усереднення градієнтів клієнтів, надійні методи агрегації, такі як покоординатна медіана або Krum, відфільтровують шкідливі оновлення, щоб меншість супротивників не могла зірвати навчання.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Robust Federated Learning (Byzantine-Tolerant Distributed Training). ScholarGate. https://scholargate.app/uk/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.
- Байєсівське федеративне навчанняМашинне навчання↔ compare
- Федеративне навчанняКонфіденційність↔ compare
- Онлайнове федеративне навчанняМашинне навчання↔ compare
- Robust Gradient BoostingМашинне навчання↔ compare
- Напівкероване федеративне навчанняМашинне навчання↔ compare
- Трансферне навчанняМашинне навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →