改进后验网络的个性化联邦学习的狄利克雷基础不确定性量化

💡 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问题。实验结果表明,在非i.i.d.有限数据下,pFedBayes在MNIST、FMNIST和CIFAR-10上的表现优于其他个性化方法,分别提高了1.25%、0.42%和11.71%。

🏷️

标签

➡️

继续阅读