Aprendizaje Federado Bayesiano
El Aprendizaje Federado Bayesiano combina el aprendizaje federado —donde el entrenamiento del modelo se distribuye en múltiples clientes sin compartir datos brutos— con la inferencia bayesiana, de modo que cada cliente mantiene una distribución posterior sobre los parámetros del modelo en lugar de una única estimación puntual. Esto produce una cuantificación de la incertidumbre basada en principios y una agregación de modelos más robusta en silos de datos heterogéneos y que preservan la privacidad.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Yurochkin, M., Agarwal, M., Ghosh, S., Greenewald, K., Hoang, N., & Khazaeni, Y. (2019). Bayesian Nonparametric Federated Learning of Neural Networks. Proceedings of the 36th International Conference on Machine Learning (ICML 2019), PMLR 97, 7101–7110. link ↗
- Corinzia, L., & Buhmann, J. M. (2019). Variational Federated Multi-Task Learning. arXiv preprint arXiv:1906.06268. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Bayesian Federated Learning (Probabilistic Federated Model Aggregation). ScholarGate. https://scholargate.app/es/machine-learning/bayesian-federated-learning
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Regresión logística bayesianaBayesiano↔ compare
- Aprendizaje por Transferencia BayesianoAprendizaje automático↔ compare
- Aprendizaje FederadoPrivacidad↔ compare
- Proceso gaussianoAprendizaje automático↔ compare
- Aprendizaje Federado Semi-supervisadoAprendizaje automático↔ compare
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →