Học liên kết có điều chuẩn
Học liên kết có điều chuẩn mở rộng khuôn khổ học liên kết bằng cách thêm các số hạng phạt vào mục tiêu cục bộ của mỗi máy khách, neo các cập nhật cục bộ gần hơn với mô hình toàn cục. Công thức chuẩn — FedProx — thêm một số hạng lân cận kiểm soát mức độ sai lệch của bất kỳ máy khách đơn lẻ nào, cải thiện sự hội tụ và ổn định khi phân phối dữ liệu của máy khách khác biệt đáng kể.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
Nguồn tài liệu
- Li, T., Sahu, A. K., Zaheer, M., Sanjabi, M., Talwalkar, A., & Smith, V. (2020). Federated Optimization in Heterogeneous Networks. Proceedings of Machine Learning and Systems (MLSys), 2, 429–450. link ↗
- McMahan, B., Moore, E., Ramage, D., Hampson, S., & y Arcas, B. A. (2017). Communication-Efficient Learning of Deep Networks from Decentralized Data. Proceedings of the 20th International Conference on Artificial Intelligence and Statistics (AISTATS), PMLR 54, 1273–1282. link ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Regularized Federated Learning (Proximal and Penalty-Based Approaches). ScholarGate. https://scholargate.app/vi/machine-learning/regularized-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.
- Học liên kếtQuyền riêng tư↔ compare
- Học trực tuyếnHọc máy↔ compare
- Tăng cường Gradient Chính quy hóaHọc máy↔ compare
- Hồi quy Logistic Chính quyHọc máy↔ compare
- Học bán giám sátHọc máy↔ compare
- Transfer LearningHọc máy↔ compare
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →