Федеративное переносное обучение объединяет две важные концепции: федеративное обучение и переносное обучение.
Федеративное обучение позволяет совместно обучать модели на распределённых источниках данных без централизации данных.
Переносное обучение использует знания, полученные в одной области или задаче, чтобы лучше решать другую, похожую задачу.
В федеративном переносном обучении модели или признаки из локальных источников данных передаются и агрегируются для улучшения качества обучения, даже если форматы данных или домены различаются.
Этот метод особенно полезен, когда данные распределены гетерогенно и прямая передача данных невозможна.
Типичные применения встречаются в медицине, финансовых данных или в IoT-средах.