Federaal actief leren in multitask-omgevingen

Met de voortdurend groeiende behoefte aan kennisdeling zonder datadeling, wordt Federated Learning steeds belangrijker. De behoefte aan federatieve methoden in Active Learning komt natuurlijk voort uit scenario's met meerdere agenten, waarbij de agenten gelijktijdig gemeenschappelijke en lokale kennis nodig hebben. Beide gebieden zijn nauw verwant aan Multitask-leren, omdat verschillende agenten altijd enigszins verschillende doelen kunnen hebben. Ondanks hun verwantschap en nauwe relatie met gebudgetteerd leren en speltheorie, is de synthese van deze gebieden nog steeds niet opgelost. In dit onderzoek zal de student veralgemeningen van Multitask Federated Learning verkennen, waarbij partners actief verdere voorbeelden kunnen aanvragen op basis van hun persoonlijke voorkeuren en kostenmodellen, en een gezamenlijke verkenning uitvoeren.