书目详细信息
： 端边云协同分布式机器学习优化方法
书目信息 机读格式(MARC)
| ISBN/价格： | 978-7-03-084715-7:CNY98.00 |
|---|---|
| 作品语种： | chi |
| 出版国别： | CN 110000 |
| 题名责任者项： | 端边云协同分布式机器学习优化方法/.詹玉峰, 魏蓝, 夏元清著 |
| 出版发行项： | 北京:,科学出版社:,2026.02 |
| 载体形态项： | 148页, [3] 页图版:;+图 (部分彩图):;+24cm |
| 提要文摘： | 本书在介绍大模型微调、联邦学习与深度强化学习等相关理论及技术的基础上, 重点探讨了端边云协同分布式机器学习的算法设计与优化问题。全书共7章, 主要内容包括研究背景意义及相关理论基础、面向系统异构和统计异构的联邦训练优化方法、面向异构系统的端边云联邦学习优化方法、基于提示学习的分布外泛化优化算法、面向分布式大模型微调的智能优化算法、保障联邦训练可持续的激励机制设计方法。 |
| 题名主题： | 分布式算法 机器学习 |
| 中图分类： | TP181 |
| 个人名称等同： | 詹玉峰 著 |
| 个人名称等同： | 魏蓝 著 |
| 个人名称等同： | 夏元清 著 |
| 记录来源： | CN 湖北三新 20260825 |
| 记录来源： | CN GGNY 20260917 |