- 题名/责任者:
- 联邦学习:算法详解与系统实现/薄列峰 ... 等著
- 出版发行项:
- 北京:机械工业出版社,2022.4
- ISBN及定价:
- 978-7-111-70349-5/CNY99.00
- 载体形态项:
- x, 342页, [4] 页图版:图;24cm
- 并列正题名:
- Federated learning:algorithms and system
- 其它题名:
- 算法详解与系统实现
- 丛编项:
- 智能科学与技术丛书
- 个人责任者:
- 薄列峰 著
- 个人责任者:
- 黄恒 著
- 个人责任者:
- 顾松痒 著
- 学科主题:
- 机器学习
- 中图法分类号:
- TP181
- 题名责任附注:
- 题名页题: 薄列峰, (美) 黄恒, 顾松痒, 陈彦卿等著
- 书目附注:
- 有书目 (第307-342页)
- 提要文摘附注:
- 本书从概念、应用场景到具体的先进算法, 再到最后的系统实现对联邦学习技术进行了一个全盘的回顾梳理与总结。共分为三个部分, 第一部分为联邦学习基础知识, 主要介绍联邦学习的定义、挑战、应用场景和常用技术; 第二部分为联邦学习算法详述, 主要介绍了京东科技针对纵向联邦学习和横向联邦学习场景提出来的诸多创新性联邦学习算法; 第三部分为联邦学习系统相关知识, 主要介绍了京东科技设计的联邦学习系统及算法落地的性能优化技术。
- 使用对象附注:
- 本书适用于人工智能从业者及高等院校相关专业学生
全部MARC细节信息>>