智能AI
morning
用于异构分布式系统隐私保护建模的个性化联合分层高斯过程
摘要
arXiv:2609.19337v1 Announce Type: new Abstract: We present Personalized Federated Hierarchical Gaussian Processes (pFedHGP) for probabilistic regression and classification when data are distributed ac...
and
the
for
Gaussian
pFedHGP
classification
data
client
shared
global
2026-09-18
1 阅读
约1分钟阅读
Xianjian Xie, Hao Yan
字号:
arXiv:2609.19337v1 公告类型：新 摘要：我们提出了个性化联合分层高斯过程 (pFedHGP)，用于当数据分布在异构客户端时进行概率回归和分类。每个客户端的潜在函数分解为（i）共享的全局组件，（ii）共享全局内核结构的特定于客户端的偏差，以及（iii）灵活的局部残差。稀疏归纳变量近似和联合变分推理将原始数据保持在本地，而服务器仅同步共享组件的低维统计数据。完整的预测分布支持不确定性感知决策。在应用研究中，pFedHGP 使用 13.77% 的标记周期在压力机吨位监测中实现了完美的故障分类，并在联合空气质量模型中恢复地理区域，而无需集中站级时间序列。瞬时线性混合模型观点将层次结构与相关传感器的多输出高斯过程联系起来。
这篇文章对您有帮助吗？
订阅66必读
每日精选科技资讯，直达你的邮箱