博洛尼亚大学 发布 ProFed 数据集, 应用在 联邦学习、数据分布偏差 领域

博洛尼亚大学 本次发布的数据集 ProFed, ProFed是一个针对 proximity-based 非独立同分布（non-IID）联邦学习的新型基准测试。该数据集由博洛尼亚大学Cesena创建，旨在通过模拟不同区域的数据分布偏差，为研究人员提供标准化的框架，以更有效和一致地评估联邦学习算法。ProFed利用了知名的计算机视觉数据集，如MNIST、FashionMNIST、CIFAR-10和CIFAR-100，并采用了文献中的数据划分方法，如基于Dirichlet分布的划分。通过允许研究人员控制数据偏斜程度，该方法可以进行细致的实验和分析。

查看ProFed

README 内容： 

关于 博洛尼亚大学 , 博洛尼亚大学是位于意大利博洛尼亚的公立大学，成立于1088年，是世界上历史最悠久的大学之一，提供广泛的本科和研究生课程。

关于 arXiv , arXiv 是一个免费分发服务和开放获取的学术文章档案库，涵盖了物理学、数学、计算机科学、定量生物学、定量金融、统计学、电气工程和系统科学以及经济学等领域。该网站上的材料并未经过 arXiv 的同行评审。