BriefGPT - AI 论文速递 · 2023-10-04T00:00:00Z 减小自适应无偏客户抽样的方差以探索联邦优化 💡 原文中文，约300字，阅读约需1分钟。 📝 内容提要 本文介绍了一种名为pFedBayes的新型个性化联合学习方法，采用贝叶斯变分推理来减轻模型过拟合的问题，并通过平衡私有数据的构造误差来更新其本地分布参数。实验结果表明，该方法在个性化模型方面表现出色，在MNIST、FMNIST和CIFAR-10上分别比其他SOTA算法的结果更好，分别提高了1.25%、0.42%和11.71%。 🏷️ 标签 MNIST pFedBayes 个性化联合学习 模型过拟合 贝叶斯变分推理 阅读原文 生成长图 分享链接 已复制链接
