è”邦 PAC-Bayesian éžç‹¬ç«‹åŒåˆ†å¸ƒæ•°æ®å¦ä¹
我们的研究针对分布不均匀的本地数据,提出了第一个非平凡的针对非独立同分布挑战的联邦 PAC-Bayesian 界限,并使用独特的先验知识和可变聚合权重。我们还引入了一个目标函数和一种创新的基于 Gibbs 的算法来优化该界限,并在真实数据集上验证了结果。
该研究提出了针对非独立同分布挑战的联邦PAC-Bayesian界限,并使用先验知识和可变聚合权重。同时,引入了目标函数和基于Gibbs的算法来优化该界限,并在真实数据集上进行了验证。