PulseAugur
中
实时 00:46:31
English(EN) Federated Targeted Maximum Likelihood Estimation

新的联邦TMLE算法支持分布式统计建模

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员推出了FedTMLE-G和FedTMLE-L，这是首个用于定向最大似然估计（TMLE）的联邦算法。这些方法允许在不汇集个体观测数据的情况下，跨分布式数据集估计复杂的统计模型，填补了当前联邦学习能力的空白。FedTMLE-G聚合局部梯度以复制集中式定向，而FedTMLE-L则允许在单次更新交换之前进行局部波动拟合，提供了保真度和自主性之间的权衡。该论文还详细介绍了一种用于梯度聚合的有限精度协议，该协议限制了交换并认证了准确性，确保数值定向误差可忽略不计。 AI

影响 能够在不集中敏感数据的情况下进行分布式统计建模，推动了隐私保护机器学习技术的发展。

排序理由 该集群包含一篇详细介绍联邦学习新算法的研究论文。

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的联邦TMLE算法支持分布式统计建模

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Diyang Li, Fei Wang, Kyra Gan ·

    联邦定向最大似然估计

    arXiv:2609.30503v1 Announce Type: new Abstract: The evidence behind a scientific or operational decision is often held by hospitals, banks, or registries that cannot pool individual observations. Cross-silo federated learning moves computation to the data and exchanges agreed sum…

相关实体

相关话题