Resumen

El aprendizaje federado (FL) es un marco de aprendizaje automático (ML) distribuido. En FL, varios clientes colaboran para resolver problemas tradicionales de ML distribuido bajo la coordinación del servidor central sin compartir sus datos privados locales con otros. Este documento clasifica principalmente los FL basados en aprendizaje automático y aprendizaje profundo. En primer lugar, este documento presenta el proceso de desarrollo, definición, arquitectura y clasificación de FL y explica el concepto de FL comparándolo con el aprendizaje distribuido tradicional. Luego, describe los problemas típicos de FL que necesitan ser resueltos. Sobre la base de algoritmos de FL clásicos, se presentan brevemente varios algoritmos de aprendizaje automático federado, con énfasis en el aprendizaje profundo y la clasificación, y se realizan comparaciones de esos algoritmos. Finalmente, este documento discute posibles desarrollos futuros de FL basados en aprendizaje profundo.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Aprendizaje federado; Aprendizaje automático distribuido; Clientes; Servidor central; Aprendizaje profundo; Algoritmos
• Keywords:Federated learning; Distributed machine learning; Clients; Central server; Deep learning; Algorithms