Problemas de aplicación médica – La Biblia de la IA – The Bible of AI™ Journal


R0:507c2e7fe07ef9a317eb4c7a51869fdc-Aprendizaje federado: Problemas en la aplicación médica

🔘 Página de papel: arxiv.org/abs/2109.00202

Resumen

«Desde que el aprendizaje federado, que hace posible el aprendizaje de IA sin mover datos locales, fue introducido por Google en 2017, se ha estudiado activamente, particularmente en el campo de la medicina. De hecho, la idea de aprendizaje automático en IA sin recopilar datos de clientes locales es muy atractiva porque los datos permanecen en sitios locales. Sin embargo, las técnicas de aprendizaje federado todavía tienen varios problemas abiertos debido a sus propias características, como la distribución no idéntica, la gestión de la participación del cliente y los entornos vulnerables. En esta presentación, se revisarán brevemente los problemas actuales para hacer que el aprendizaje federado sea impecablemente útil en el mundo real. Están relacionados con la heterogeneidad de los datos/sistemas, la gestión de clientes, la trazabilidad y la seguridad. Además, presentamos el marco de aprendizaje federado modularizado, que desarrollamos actualmente, para experimentar varias técnicas y protocolos para encontrar soluciones a los problemas antes mencionados. El marco estará abierto al público una vez que se complete el desarrollo».


Autores

Joo Hun Yoo, Hyejun Jeong, Jaehyeok Lee, Tai-Myoung Chung


¿Te gustó esta publicación? Sigue este blog para obtener más.

Fuente del artículo

Deja un comentario