|
000
|
01301nam0 2200301 450
|
|
001
|
2066700365
|
|
005
|
20201206132952.67
|
|
010
|
|
@a978-7-121-38522-3@dCNY 89.00
|
|
100
|
|
@a20200529d2020 em y0chiy50 ea
|
|
101
|
0
|
@achi
|
|
102
|
|
@aCN@b110000
|
|
105
|
|
@aa a 000yy
|
|
200
|
1
|
@a联邦学习@Alian bang xue xi@d= Federated learning@f杨强 … [等]著@Fyang qiang…[deng]zhu@zeng
|
|
210
|
|
@a北京@c电子工业出版社@d2020.04
|
|
215
|
|
@a192页@c图@d24cm
|
|
304
|
|
@a题名页题其余责任者: 刘洋, 程勇, 康焱, 陈天健, 于涵
|
|
314
|
|
@a杨强, 微众银行的首席人工智能官和香港科技大学计算机科学与工程系讲席教授。
|
|
320
|
|
@a有书目 (第161-192页)
|
|
330
|
|
@a本书中, 我们将描述联邦学习 (亦称联邦机器学习) 是如何将分布式机器学习、密码学、基于金融规则的激励机制和博弈论结合起来以解决此类数据使用问题的。我们会介绍不同种类的面向隐私保护的机器学习解决方案以及技术背景, 并描述一些典型的实际问题解决案例。我们还会进一步论述联邦学习将成为下一代机器学习的基础, 可以满足技术和社会需求并促进安全的人工智能的开发和应用。
|
|
510
|
1
|
@aFederated learning@zeng
|
|
606
|
0
|
@a机器学习@Aji qi xue xi
|
|
690
|
|
@aTP181@v5
|
|
701
|
0
|
@a杨强@Ayang qiang@4著
|
|
701
|
0
|
@a杨强 …@Ayang qiang…@4著
|
|
801
|
0
|
@aCN@bHNYZ@c20201206
|
|
902
|
|
@aRt928-3540
|
|
905
|
|
@aZUCC@dTP181@e1
|
|
962
|
|
@a6951940
|
|
|
|
|
| |
| 联邦学习= Federated learning/杨强 … [等]著.-北京：电子工业出版社，2020.04 |
| 192页：图；24cm |
| |
| |
| ISBN 978-7-121-38522-3：CNY 89.00 |
| 本书中, 我们将描述联邦学习 (亦称联邦机器学习) 是如何将分布式机器学习、密码学、基于金融规则的激励机制和博弈论结合起来以解决此类数据使用问题的。我们会介绍不同种类的面向隐私保护的机器学习解决方案以及技术背景, 并描述一些典型的实际问题解决案例。我们还会进一步论述联邦学习将成为下一代机器学习的基础, 可以满足技术和社会需求并促进安全的人工智能的开发和应用。 |
| ● |
正题名：联邦学习
索取号：TP181/1
预约/预借
| 序号
|
登录号
|
条形码
|
馆藏地/架位号
|
状态
|
备注
|
|
1
|
702934
|
202702934
|
文艺社科书库/
[索取号:TP181/1]
|
在馆
|
架位导航
|
|
2
|
702935
|
202702935
|
文艺社科书库/
[索取号:TP181/1]
|
在馆
|
架位导航
|
|
3
|
702936
|
202702936
|
文艺社科书库/
[索取号:TP181/1]
|
在馆
|
架位导航
|
