书目详细信息
： 联邦学习:原理与算法
书目信息 机读格式(MARC)
| ISBN/价格： | 978-7-115-57532-6:CNY128.00 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 110000 |
| 题名责任者项： | 联邦学习/.王健宗[等] 著 |
| 出版发行项： | 北京:,人民邮电出版社:,2021.11 |
| 载体形态项： | 280页:;+图:;+26cm |
| 提要文摘： | 数据孤岛和隐私安全挑战已经成为制约人工智能发展的关键问题。在此背景下, 联邦学习作为一种新兴技术, 凭借其突出的隐私保护能力展示出在诸多业务场景中的应用价值。本书从联邦学习的基础知识出发, 深入浅出地介绍了中央服务器优化和联邦机器学习的算法体系, 详细阐述了联邦学习中涉及的加密通信模块, 以定性和定量的双视角建立了联邦学习服务质量的评估维度、理论体系及提升方式, 并对联邦学习的研究趋势进行了深入探讨与分析, 可以对设计和选择算法提供工具式的参考和帮助。 |
| 并列题名： | Federated learning eng |
| 题名主题： | 机器学习 |
| 中图分类： | TP181 |
| 个人名称等同： | 王健宗 著 |
| 个人名称等同： | 李泽远 著 |
| 个人名称等同： | 何安珣 著 |
| 记录来源： | CN 湖北三新 20221026 |