Bayesiaans Federatief Leren
Bayesiaans Federatief Leren combineert federatief leren — waarbij modeltraining gedistribueerd wordt over meerdere clients zonder het delen van ruwe data — met Bayesiaanse inferentie, zodat elke client een posteriorverdeling over modelparameters behoudt in plaats van een enkel puntschatting. Dit levert principiële onzekerheidskwantificatie en robuustere modelaggregatie op over heterogene, privacy-beschermende datasilo's.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Bayesian Federated Learning (Probabilistic Federated Model Aggregation). ScholarGate. https://scholargate.app/nl/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.
- Bayesiaanse logistische regressieBayesiaanse statistiek↔ compare
- Bayesian Transfer LearningMachine learning↔ compare
- Federated LearningPrivacy↔ compare
- Gaussiaans ProcesMachine learning↔ compare
- Semi-supervised Federated LearningMachine learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →