机器学习中的独立和同分布 （IID）：假设和影响

机器学习深度学习专业词汇中英文对照

#### IID 独立同分布- **定义**: 指随机变量独立且具有相同的概率分布。- **应用场景**: 在统计推断和机器学习中作为基本假设。

Optimizing Federated Learning on Non-IID Data with Reinforcement

随着移动设备的普及，非独立同分布（Non-IID）数据成为联邦学习面临的主要挑战之一。非IID数据意味着不同设备上的数据分布可能显著不同，这可能导致模型收敛速度减慢，甚至训练结果偏差。

具有非独立同分布和不平衡数据集的个性化联邦学习仿真平台___下载.zip

非独立同分布（Non-IID）数据：在传统的集中式学习中，假设所有数据都是从同一分布中抽取的，但在现实世界中，不同设备上的数据往往具有显著差异。

IID文件在智能变电站保护工程中的应用

首先，IID文件基于IEC61850标准的第二版，IEC61850 Ed2.0标准是国际电工委员会制定的用于电力系统通信网络和系统的一项标准，其全称是《电力系统自动化：通信网络和系统第6部分：变电站和馈线自动化通信的配置描述语言

复合泊松分布（CDF，PDF，随机数）：用于复合泊松分布的CDF / PDF和随机数生成器，其跃迁根据iid伽马分布分布；-matlab开发

**复合泊松分布**： 复合泊松分布是由多个独立的泊松过程的和构成的。每个泊松过程的跳跃次数服从泊松分布，而跳跃的大小则由另一个随机变量决定，通常假设为伽马分布。