Федеративне навчання
Федеративне навчання — це розподілена парадигма машинного навчання, представлена Мак-Маханом та ін. у 2017 році, в якій глобальна модель навчається спільно на численних децентралізованих клієнтах — таких як мобільні пристрої чи лікарняні системи — без передачі сирих даних на центральний сервер. Кожен учасник локально обчислює оновлення моделі, використовуючи свої приватні дані; лише ці оновлення, а не базові дані, передаються та агрегуються сервером для покращення спільної моделі.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
+4 more
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 2). Federated Learning. ScholarGate. https://scholargate.app/uk/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.
- Диференційна приватністьКонфіденційність↔ compare
- Дистиляція знаньГлибоке навчання↔ compare
- Стохастичний градієнтний спуск (SGD)Машинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →