ITPE * JackerLab

개요FedAvg(Federated Averaging)는 분산 환경에서 여러 클라이언트 장치가 로컬 데이터를 활용해 독립적으로 모델을 학습하고, 서버가 각 모델의 가중치를 평균하여 전역 모델(Global Model)을 갱신하는 연합 학습(Federated Learning)의 핵심 알고리즘입니다. 개인정보 보호와 대규모 분산 학습 환경에 적합한 방식으로, Google이 2016년 발표한 알고리즘입니다.1. 개념 및 정의FedAvg는 각 디바이스(클라이언트)에서 로컬 데이터를 기반으로 부분적으로 학습한 모델 파라미터를 중앙 서버에 전송하고, 이를 평균화하여 공유 모델을 업데이트하는 방식입니다.연합 학습(Federated Learning): 데이터는 로컬에 남기고 모델만 공유가중 평균(Weighted Avera..

개요Federated Reinforcement Learning(FRL)은 여러 에이전트가 로컬 환경에서 학습한 강화학습 정책(Policy)을 중앙 서버로 공유하고 통합함으로써, 전체 시스템의 학습 성능을 향상시키면서도 사용자 데이터는 로컬에 보존하는 프라이버시 중심의 학습 프레임워크입니다. FRL은 스마트 디바이스, 자율주행, 산업 로봇, 의료 시스템 등 민감 데이터를 포함한 분산 환경에서 안전하고 효율적인 AI 학습을 가능하게 합니다.1. 개념 및 정의 항목 설명 비고 정의각 에이전트가 로컬 환경에서 강화학습을 수행하고, 정책 또는 파라미터를 중앙 서버에 공유하여 집합적 학습을 수행하는 프레임워크FL(Federated Learning) + RL(Reinforcement Learning) 결합목적데이..