原创力文档
- 1、本内容来自版权合作机构，您在本站购买的阅读使用权仅限于您本人阅读使用，您不得/不能给任何第三方使用，由此造成的一切相关后果本平台保留向您追偿索赔的权利！版权所有，后果自负！
- 2、本文档为正版电子图书，虚拟物品付费之后概不接收任何理由退款。
数据孤岛问题已经成为制约人工智能发展的主要阻碍。在此背景下,联邦学习(FederatedLearning)作为一种新兴的机器学习技术范式,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的相关知识,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,还延伸介绍了提升联邦学习服务质量的方法,并对联邦学习的研究趋
FEDERATED LEARNING FUNDAMENTALS AND ALGORITHMS王健宗 李泽远 何安珣 王伟/著联邦学习 原理与算法人民邮电出版社北京图书在版编目（CIP）数据联邦学习：原理与算法/王健宗等著.--北京：人民邮电出版社，2021.11ISBN 978-7-115-57532-6Ⅰ.①联… Ⅱ.①王… Ⅲ.①机器学习 Ⅳ.①TP181中国版本图书馆CIP数据核字（2021）第212233号◆ 著 王健宗 李泽远 何安珣 王伟责任编辑 贺瑞君责任印制 李东 周昇亮◆ 人民邮电出版社出版发行 北京市丰台区成寿寺路11号邮编 100164 电子邮件 315@网址 天
文档评论（0）