机读格式显示(MARC)

• 000 01600nam 2200337 450

• 001 0000336562

• 005 20230316165751.8

• 010 __ |a 978-7-111-70349-5 |d CNY99.00

• 092 __ |b CIP-74C7CAFC26E04EF9A40D699F54B2C822

• 100 __ |a 20220513d2022 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a afk a 000yy

• 106 __ |a r

• 200 1_ |a 联邦学习 |A lian bang xue xi |e 算法详解与系统实现 |d = Federated learning |e algorithms and system |f 薄列峰 ... 等著 |z eng

• 210 __ |a 北京 |c 机械工业出版社 |d 2022.4

• 215 __ |a x, 342页, [4] 页图版 |c 图 |d 24cm

• 225 2_ |a 智能科学与技术丛书 |A zhi neng ke xue yu ji shu cong shu

• 304 __ |a 题名页题: 薄列峰, (美) 黄恒, 顾松痒, 陈彦卿等著

• 320 __ |a 有书目 (第307-342页)

• 330 __ |a 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。

• 333 __ |a 本书适用于人工智能从业者及高等院校相关专业学生

• 410 _0 |1 2001 |a 智能科学与技术丛书

• 510 1_ |a Federated learning |e algorithms and system |z eng

• 517 1_ |a 算法详解与系统实现 |A suan fa xiang jie yu xi tong shi xian

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 薄列峰 |A bao lie feng |4 著

• 701 _0 |a 黄恒 |A huang heng |4 著

• 701 _0 |a 顾松痒 |A gu song yang |4 著

• 801 _0 |a CN |b 湖北三新 |c 20220513