การแก้ไขปัญหาในกระบวนการเรียนรู้แบบสหพันธ์สำหรับการจำแนกภาพที่มีการกระจายตัวของกลุ่มข้อมูลที่ไม่เหมือนกันและไม่เป็นอิสระต่อกันด้วยแกนส์

ในปัจจุบันข้อมูลภาพสามารถนำมาประยุกต์ใช้ให้เกิดประโยชน์ในการทำงานได้หลากหลาย โดยในหลายหน่วยงานได้มีการเก็บข้อมูลภาพเพื่อนำมาใช้วิเคราะห์จำแนกประเภทด้วยโมเดลปัญญาประดิษฐ์และการเรียนรู้ของเครื่องกันมากขึ้น ซึ่งการจะได้มาซศึ่งโมเดลที่มีความแม่นยำสูง จำเป็นจะต้องใช้ข้อมูลจำนวนมากในการเรียนรู้ และในหลายองค์กรอาจจะมีความต้องการในการพัฒนาโมเดลในลักษณะเดียวกัน ซึ่งหากสามารถแบ่งปันข้อมูลกันได้ก็จะสามารถช่วยพัฒนาโมเดลที่มีประสิทธิภาพที่ดียิ่งขึ้นได้ อย่างไรก็ตามข้อมูลเหล่านั้นอาจจะเป็นข้อมูลที่เป็นความลับของหน่วยงานที่ต้องถูกปกป้องด้วยความเป็นส่วนตัวของข้อมูล จึงไม่สามารถแบ่งปันข้อมูลเหล่านั้นซึ่งกันแหละกันในการที่จะนำไปใช้ในการสร้างระบบที่เป็นประโยชน์ต่อการทำงานได้ ระบบการเรียนรู้แบบสหพันธ์ได้เข้ามาแก้ไขปัญหาความเป็นส่วนตัวของข้อมูล โดยใช้เทคนิคการแลกเปลี่ยนพารามิเตอร์ของโมเดลโดยตรงแทนการแลกเปลี่ยนข้อมูล แต่ทว่าการเรียนรู้แบบสหพันธ์นั้นยังมีปัญหาเรื่องความถูกต้องเมื่อการกระจายตัวของข้อมูลระหว่างสมาชิกที่ไม่เหมือนกันและไม่เป็นอิสระต่อกัน ความถูกต้องของโมเดลหลักที่ถูกสร้างขึ้นด้วยการเรียนรู้แบบสหพันธ์ในกรณีดังกล่าวจะมีความถูกต้องที่ หนึ่งในวิธีแก้ปัญหาคือการใช้เทคนิคการเพิ่มข้อมูลเพื่อให้การกระจายตัวของข้อมูลกลับมาสมดุล แต่ยังมีประเด็นในการที่ต้องส่งข้อมูลออกไปยังแหล่งข้อมูลอื่น งานวิจัยนี้จึงสนใจการนำเทคนิคแกนส์มาใช้สำหรับสร้างข้อมูลสังเคราะห์ โดยคาดหวังให้การสร้างสังเคราะห์จากแกนส์จะสามารถแก้ไขปัญหาการกระจายตัวของข้อมูลที่ไม่เหมือนกันและไม่เป็นอิสระต่อกัน ทำให้โมเดลหลักจากการเรียนรู้แบบสหพันธ์นั้นมีค่าความถูกต้องที่มากขึ้น