hrvatski

Analiza utjecaja odabira hiperparametara na kolaborativno učenje

Kolaborativno učenje je novi pristup treniranju modela umjetne inteligencije na distribuiranim podacima i uređajima. Ovakvim pristupom podaci ostaju pohranjeni lokalno i time se čuva privatnost. Treniranje modela u tako heterogenom sustavu dovodi do novih izazova različitih od već dobro utvrđenih metoda. U radu su opisane uobičajene metode kolaborativnog procesa, a dokaz koncepta ukazuje na utjecaj hiperparametara na proces. Dokaz koncepta pokazuje izazove koji se mogu pojaviti u procesu treniranja nad akademskim podacima kategorizacije MNIST brojeva i kako ih se može ublažiti dobrim odabirom hiperparametara, ovisno o problemu.

Kolaborativno učenje ; Federirano učenje ; strojno učenje ; distribuirani sustav

nije evidentirano