Federeret læring

Federeret læring

Underklasse	Maskinindlæring , kunstig intelligens

I kunstig intelligens og maskinindlæring er den fødererede læring (på engelsk  : fødereret læring ) en metode eller et paradigme, der er at træne en algoritme på computere for brugere af en applikation og dele læring på maskinen hver bruger. Denne metode er i modsætning til central læring, hvor læring finder sted på tjenesteudbyderens servere. Især giver det bedre respekt for brugernes privatliv.

Bibliografi

• H. Brendan McMahan, Eider Moore, Daniel Ramage, Seth Hampson, Blaise Agüera y Arcas, "Kommunikationseffektiv læring af dybe netværk fra decentraliserede data", 2017, https://arxiv.org/abs/1602.05629
• Sébastien Godard, Nicolas Voisine, Tanguy Urvoy, Vincent Lemaire, "" Federative learning for churn prediction: an evaluering ", 2019, i" Knowledge Extraction and Management "(EGC), http://vincentlemaire-labs.fr/ publis / EGC2019_FEDLEARNING .pdf

Noter og referencer

1. "  Federated Learning, et skridt tættere på fortrolig AI / Hacker Noon  " , på hackernoon.com (adgang 10. august 2020 ) .

Relaterede artikler

• Privatliv ved design