Blind Federated Learning sin un modelo inicial

Tenemos nuevo paper en el ámbito del proyecto, titulado «Blind Federated Learning without initial model», cuyo autores son José Luis Salmerón e Irina Arévalo.
En su abstract recoge que el aprendizaje federado es un enfoque emergente de aprendizaje automático que permite la construcción de un modelo entre varios participantes que poseen sus propios datos privados. Este método es seguro y preserva la privacidad, por lo que resulta adecuado para entrenar un modelo de aprendizaje automático utilizando datos sensibles de distintas fuentes, como hospitales. En este trabajo, los autores proponen dos metodologías innovadoras para el aprendizaje federado de mapas cognitivos difusos basado en Particle Swarm Optimisation de forma que se preserve la privacidad. Además, una aportación relevante que incluye esta investigación es la ausencia de un modelo inicial en el proceso de aprendizaje federado, haciéndolo efectivamente ciego. Esta propuesta se prueba con varios conjuntos de datos abiertos, mejorando tanto la exactitud como la precisión.
Podéis acceder al paper completo aquí: https://journalofbigdata.springeropen.com/articles/10.1186/s40537-024-00911-y