研究人员开发了一种新的联邦软聚类方法，该方法允许设备在其私有数据上训练个性化高斯混合模型（GMM）。该方法称为广义全变分最小化（GTVMin），使用图正则化器通过惩罚局部模型之间的差异来连接它们。该研究比较了三种差异度量：平方欧氏距离、Kullback-Leibler散度和最大均值差异，并评估了它们的计算成本和对数据异质性的鲁棒性。 AI
影响 引入了一种用于去中心化模型训练和统计建模个性化的新颖方法。
排序理由 该集群包含一篇详细介绍机器学习新统计方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- federated learning
- Gaussian mixture model
- Generalized total variation minimization
- Kullback--Leibler divergence
- Maximum Mean Discrepancy
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
