Bayesian Federated Learning
Bayesian Federated Learning kombinerar federerad inlärning – där modellträning distribueras över flera klienter utan att rådata delas – med Bayesiansk inferens, så att varje klient upprätthåller en posteriorfördelning över modellparametrar snarare än en enskild punktuppskattning. Detta ger principfast osäkerhetskvantifiering och mer robust modellaggregering över heterogena, integritetsskyddande datasilos.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Bayesian Federated Learning (Probabilistic Federated Model Aggregation). ScholarGate. https://scholargate.app/sv/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.
- Bayesiansk logistisk regressionBayesiansk statistik↔ compare
- Bayesiansk överföringsinlärningMaskininlärning↔ compare
- Federerad inlärningIntegritetsskydd↔ compare
- Gaussisk processMaskininlärning↔ compare
- Semi-övervakad federerad inlärningMaskininlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →