Bayesian Federated Learning (Probabilistic Federated Model Aggregation)

Học liên kết tiêu chuẩn truyền các vector trọng số giữa các máy khách và một máy chủ trung tâm, nhưng các trọng số đó không mang theo bất kỳ cảm nhận nào về mức độ tin cậy của mỗi máy khách. Thay vào đó, Học Liên kết Bayes coi các tham số mô hình là các phân phối xác suất: mỗi máy khách tính toán một phân phối hậu nghiệm cục bộ phản ánh cả một phân phối tiên nghiệm chung và dữ liệu riêng của nó. Máy chủ tổng hợp các phân phối hậu nghiệm này thành một phân phối hậu nghiệm toàn cục, theo cách tự nhiên là trọng số hóa các máy khách theo độ mạnh bằng chứng của chúng. Điều này có nghĩa là các máy khách giàu dữ liệu đóng góp nhiều hơn các máy khách thưa dữ liệu, các máy khách ngoại lai có ít ảnh hưởng làm sai lệch hơn, và mô hình toàn cục có thể biểu thị độ bất định được hiệu chỉnh — không chỉ là một dự đoán điểm — trên tất cả các đầu vào kiểm tra.