0件商品
聯邦學習串聯邊緣運算克服機敏疑慮 適合智慧醫療等情境
聯邦學習(Federated Learning；FL)是一種分散式機器學習(Distributed Machine Learning；DML)系統，具有高隱私性和高可擴展性，該系統將先在邊緣環境訓練一套較小....
目錄
- 聯邦學習透過聚合模型避免資料流出進而保障隱私
- 水平與垂直聯邦學習分別處理不同應用場景模型訓練
- 聯盟成員互信為建立聯邦學習系統重要前提
- 聯邦學習倚重共享標註協定、聯合驗證等多方合作 提升模型訓練成效
- 聯邦學習仰賴主導方決定命題、後續模型應用範疇
- 聯邦學習技術以中美發展較為領先 中國金融業者於早期推出開源框架奠定發展基礎
- 金融與醫療場域重視資料隱私特性 為聯邦學習早期重點發展領域
- 醫療AI模型發展痛點多與訓練資料不足相關
- 聯邦學習架構具隱私優勢 助智慧醫療領域解決痛點
- 醫療機構以聯邦學習開發罕見疾病AI模型 提升精準度
- 全球醫院透過聯邦學習合作發展COVID-19預測系統
- 台灣聯邦學習聯盟目前多由醫院研究單位推動
- 邊緣硬體業者結合AI軟體發展聯邦學習解決方案具優勢
- 聯邦學習技術為智慧醫療AI模型提供發展助力
相關報告
關鍵字
加入已選取到「關鍵字追蹤」
使用者登入
服務加入辦法
若想立刻加入付費"Research"會員，請洽詢
客服專線：
+886-02-87125398。(週一至週五工作日9:00~18:00)
客服信箱：
member@digitimes.com (一個工作日內將回覆您的來信)
- 追溯至2000年，洞察產業脈動
- 優質報告，助攻精準決策
- 八大主題，23產業頻道涵蓋
- 七大全球數據庫，掌握市場趨勢
