arXiv发布联邦非参数回归新论文

2026年10月23日，Xiaoran Jiang与Anand N. Vidyashankar在arXiv平台提交论文《Federated Nonparametric Regression with Heterogeneous Clients》。该研究聚焦于异质客户端场景下的联邦非参数回归问题。10月26日，arXiv机器学习领域（cs.lg）公开披露了论文的核心贡献：通过客户端传输局部核摘要，构建协变量密度加权联邦估计器，从而避免集中处理个体观测数据。该框架利用精确恒等式表征模型增益，分离拟合与审计变异性，并通过两阶段分析实现跨客户端的固定块同步推断。同时，研究在Kullback-Leibler邻域下提供了方差敏感的下界证明，为异质数据下的联邦非参数回归提供了新的理论支撑。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。