2024年7月17日
论道AI | 特斯联研发突破:基于在线拉普拉斯近似的贝叶斯联邦学习框架
近日,特斯联首席科学家、特斯联国际总裁邵岭博士及其合作团队发布最新研究成果,提出了基于在线拉普拉斯近似(Online Laplace Approximation)的贝叶斯联邦学习框架(Bayesian Federated Learning Framework)。该框架通过在线拉普拉斯近似方法来优化联邦学习中的聚合误差和局部遗忘问题,不仅推动了机器学习技术的发展,也为解决现实世界医疗、金融、制造等场景中的复杂问题提供了新的思路和工具。目前,该研究成果已被人工智能领域顶级学术期刊IEEE T-PAMI 2024年46卷第一期收录,题为:A Bayesian Federated Learning Framework with Online Laplace Approximation。