การเรียนรู้แบบสหพันธ์แบบเบย์ (Bayesian Federated Learning)
การเรียนรู้แบบสหพันธ์แบบเบย์เป็นการผสมผสานการเรียนรู้แบบสหพันธ์ — ซึ่งการฝึกโมเดลจะกระจายไปยังไคลเอนต์หลายรายโดยไม่ต้องเปิดเผยข้อมูลดิบ — เข้ากับการอนุมานแบบเบย์ ดังนั้นแต่ละไคลเอนต์จะรักษาการแจกแจงตามหลัง (posterior distribution) ของพารามิเตอร์โมเดล แทนที่จะเป็นการประมาณค่าจุดเดียว สิ่งนี้ให้การวัดปริมาณความไม่แน่นอนตามหลักการและการรวมโมเดลที่แข็งแกร่งยิ่งขึ้นในกลุ่มข้อมูลที่แตกต่างกันและรักษาความเป็นส่วนตัว
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Bayesian Federated Learning (Probabilistic Federated Model Aggregation). ScholarGate. https://scholargate.app/th/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.
- การถดถอยโลจิสติกแบบเบย์เบย์↔ compare
- Bayesian Transfer Learningการเรียนรู้ของเครื่อง↔ compare
- สหพันธ์การเรียนรู้ความเป็นส่วนตัว↔ compare
- กระบวนการเกาส์เซียนการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบสหพันธ์กึ่งกำกับดูแลการเรียนรู้ของเครื่อง↔ compare