Байєсівське федеративне навчання
Байєсівське федеративне навчання поєднує федеративне навчання — де тренування моделі розподілене між кількома клієнтами без обміну сирими даними — з байєсівським висновком, так що кожен клієнт підтримує апостеріорний розподіл над параметрами моделі, а не єдину точкову оцінку. Це забезпечує принципове кількісне визначення невизначеності та більш надійну агрегацію моделей у гетерогенних, захищених від конфіденційності сховищах даних.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Bayesian Federated Learning (Probabilistic Federated Model Aggregation). ScholarGate. https://scholargate.app/uk/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.
- Байєсівська логістична регресіяБаєсові методи↔ compare
- Байєсівське трансферне навчанняМашинне навчання↔ compare
- Федеративне навчанняКонфіденційність↔ compare
- Гаусівський процесМашинне навчання↔ compare
- Напівкероване федеративне навчанняМашинне навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →