ПРИМЕНА ФЕДЕРАТИВНОГ УЧЕЊА У РЕШАВАЊУ ПРОБЛЕМА БИНАРНЕ КЛАСИФИКАЦИЈЕ

Apstrakt

_{У овом раду је представљено решење које користи федеративно учење за решавање проблема бинарне класификације. Првенствено су анализиране теоријске основе дистрибуираних система и федеративног учења, након чега је представљена имплементација система за федеративну обуку неуронских мрежа. Развијени систем омогућава доделу и агрегацију тежина модела на више дистрибуираних чворова, чиме се елиминишу ризици повезани са централизованим складиштењем података. Рад обухвата преглед коришћених технологија, опис структуре федеративног система, као и евалуацију модела. Овај приступ пружа значајан допринос разумевању федеративног учења и може послужити као основа за даља истраживања и развој напреднијих дистрибуираних система.}