研究人员推出了一种用于联邦贝叶斯神经网络的新型协议——联邦鞅后验（FMP）采样。该方法通过使用预测分布和重新拟合来解决大型模型中指定先验的难题。FMP采样允许客户端上传数据嵌入，使服务器能够集中运行预测采样器，从而避免了共享本地数据集的需要。在标准数据集上的实验表明，FMP的性能与集中式方法非常接近，并且与现有的共识方法相比，其校准性能有所提高。 AI
影响 在联邦环境中为训练贝叶斯神经网络引入了一种更有效、校准更好的方法，有可能提高隐私性和准确性。
排序理由 发布了一篇详细介绍机器学习新方法的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.18554v1 Announce Type: cross Abstract: Federated Bayesian neural networks require fixing a prior on the model parameters together with a likelihood. Eliciting meaningful priors on the weight space of modern overparameterized models is notoriously difficult, and misspec…
Federated Bayesian neural networks require fixing a prior on the model parameters together with a likelihood. Eliciting meaningful priors on the weight space of modern overparameterized models is notoriously difficult, and misspecification of either component can severely degrade…