Glosario IA
El diccionario completo de la Inteligencia Artificial
Tasa de Convergencia
Medida de la velocidad a la que el algoritmo de aprendizaje federado alcanza una solución óptima o un punto estacionario, influenciada por la heterogeneidad de los datos y la comunicación entre clientes.
Actualizaciones Locales
Número de iteraciones de optimización realizadas localmente en cada cliente antes de la comunicación con el servidor central, impactando directamente la convergencia y la eficiencia computacional.
Modelo Global
Modelo agregado resultante de la federación de las contribuciones de todos los clientes participantes, representando el conocimiento colectivo del sistema distribuido.
Compresión de Gradientes
Técnica que reduce el tamaño de los gradientes transmitidos entre clientes y servidor mediante cuantificación o muestreo, mejorando la eficiencia de comunicación mientras preserva la convergencia.
Privacidad Diferencial
Marco teórico que garantiza la confidencialidad añadiendo ruido controlado a las actualizaciones locales, impactando el compromiso entre privacidad y convergencia del modelo federado.
Tolerancia a Fallos Bizantinos
Robustez del sistema frente a clientes maliciosos o defectuosos que envían actualizaciones incorrectas, requiriendo mecanismos de detección y agregación resistentes.
Aprendizaje Federado Asíncrono
Paradigma de entrenamiento donde los clientes actualizan el modelo global de manera asíncrona, reduciendo los tiempos de espera pero complejizando el análisis de convergencia.
Heterogeneidad de Modelos
Gestión de la heterogeneidad arquitectónica entre modelos clientes en sistemas federados, requiriendo estrategias de agregación adaptadas para garantizar la convergencia.
Análisis de Convergencia
Estudio teórico de las condiciones que garantizan la convergencia de los algoritmos federados, considerando la heterogeneidad de datos, fallos y restricciones de comunicación.
Paisaje de Optimización
Superficie de pérdida colectiva en el aprendizaje federado, caracterizada por múltiples óptimos locales debido a la distribución no-iid de datos entre clientes.
Muestreo de Clientes
Estrategia de selección de un subconjunto de clientes en cada ronda de entrenamiento, influyendo en la velocidad de convergencia y la equidad de representación en el modelo global.
Momento en Aprendizaje Federado
Técnica de aceleración de convergencia que utiliza el historial de gradientes locales o globales para estabilizar y acelerar la optimización en entornos distribuidos.
Garantías de Convergencia
Propiedades teóricas que aseguran que el algoritmo federado convergerá bajo ciertas condiciones, incluyendo límites sobre la tasa de convergencia y la calidad final del modelo.
Optimización Federada
Disciplina que estudia los métodos de optimización específicos para las restricciones del aprendizaje federado, combinando teoría de optimización y sistemas distribuidos.
Heterogeneidad del Sistema
Variabilidad de capacidades computacionales y de red entre clientes, impactando directamente las estrategias de convergencia y requiriendo enfoques adaptativos.