📊 statistics
A Hierarchical Sampling Framework for bounding the Generalization Error of Federated Learning
यह शोध पत्र फेडरेटेड लर्निंग के लिए एक पदानुक्रमित नमूनाकरण (hierarchical sampling) प्रक्रिया प्रस्तावित करता है जो वासरस्टीन दूरी (Wasserstein distance) और सुपरसैंपल निर्माण के माध्यम से सामान्यीकरण सीमाओं (generalization bounds) को व्युत्पन्न करता है, यह प्रदर्शित करते हुए कि ये सीमाएं कंडीशनल म्यूचुअल इंफॉर्मेशन पर मौजूदा परिणामों में कड़ाई से सुधार करती हैं और गौसियन मॉडलों में एसिम्प्टोटिक त्रुटि दरों को सटीक रूप से कैप्चर करती हैं।