এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
Apprentissage Fédéré Horizontal
Configuration où les clients partagent le même espace de caractéristiques mais ont des échantillons différents, typique dans les applications mobiles avec des données utilisateur similaires mais distinctes.
Apprentissage Fédéré Vertical
Scénario où les clients détiennent différentes caractéristiques pour le même ensemble d'échantillons, courant dans les collaborations entre entreprises ayant des vues complémentaires des utilisateurs.
Communication Round
Cycle complet d'entraînement local des clients suivi de l'agrégation des mises à jour au serveur central, unité de mesure fondamentale de l'efficacité en apprentissage fédéré.
Non-IID Data
Distribution de données non identiquement et indépendamment distribuées entre clients, défi majeur en apprentissage fédéré pouvant causer des problèmes de convergence et de biais du modèle.
Federated Transfer Learning
Combinaison de l'apprentissage par transfert et de l'apprentissage fédéré pour adapter des connaissances pré-entraînées à des tâches spécifiques tout en préservant la confidentialité des données locales.
Byzantine-Robust Federated Learning
Approches d'apprentissage fédéré résistantes aux clients malveillants ou défaillants qui peuvent envoyer des mises à jour incorrectes pour compromettre l'intégrité du modèle global.