Bajezijansko federalizovano učenje
Bajezijansko federalizovano učenje kombinuje federalizovano učenje — gde se obuka modela distribuira na više klijenata bez deljenja sirovih podataka — sa Bajezijanskom inferencijom, tako da svaki klijent održava posteriornu distribuciju nad parametrima modela umesto jedne tačkaste procene. Ovo daje principijelno kvantifikovanje nesigurnosti i robusnije agregiranje modela preko heterogenih, privatnost-čuvara podataka silosima.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Bayesian Federated Learning (Probabilistic Federated Model Aggregation). ScholarGate. https://scholargate.app/sr/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.
- Bajezijanska logistička regresijaBajesovska statistika↔ compare
- Bejzijansko prenosno učenjeMašinsko učenje↔ compare
- Federated LearningPrivatnost↔ compare
- Gausov procesMašinsko učenje↔ compare
- Polu-nadgledano savezno učenjeMašinsko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →