Este artículo propone un método de aprendizaje federado basado en un modelo de referencia para mejorar el rendimiento del modelo en aprendizaje federado (AF). El aprendizaje federado existente ofrece ventajas para proteger la privacidad, pero presenta limitaciones, ya que carece de rendimiento del modelo y resulta difícil satisfacer las diversas demandas de los usuarios. El método propuesto se deriva del aprendizaje bayesiano por transferencia eficiente en parámetros y supera el olvido catastrófico que se produce en cada ronda mediante el uso de un modelo de referencia que incluye el término de proximidad óptimo e integra los parámetros del modelo anterior. Como resultado, se logra un alto rendimiento del modelo y un bajo coste computacional para el cliente.
