Federated Learning Systems: Towards Next-Generation AI
Muhammad Habib ur Rehman · Mohamed Medhat Gaber
juni 2021 · Springer Nature
E-bok
196
Sidor
reportBetyg och recensioner verifieras inte Läs mer
Om den här e-boken
This book covers the research area from multiple viewpoints including bibliometric analysis, reviews, empirical analysis, platforms, and future applications. The centralized training of deep learning and machine learning models not only incurs a high communication cost of data transfer into the cloud systems but also raises the privacy protection concerns of data providers. This book aims at targeting researchers and practitioners to delve deep into core issues in federated learning research to transform next-generation artificial intelligence applications. Federated learning enables the distribution of the learning models across the devices and systems which perform initial training and report the updated model attributes to the centralized cloud servers for secure and privacy-preserving attribute aggregation and global model development. Federated learning benefits in terms of privacy, communication efficiency, data security, and contributors’ control of their critical data.
Betygsätt e-boken
Berätta vad du tycker.
Läsinformation
Smartphones och surfplattor
Installera appen Google Play Böcker för Android och iPad/iPhone. Appen synkroniseras automatiskt med ditt konto så att du kan läsa online eller offline var du än befinner dig.
Laptops och stationära datorer
Du kan lyssna på ljudböcker som du har köpt på Google Play via webbläsaren på datorn.
Läsplattor och andra enheter
Om du vill läsa boken på enheter med e-bläck, till exempel Kobo-läsplattor, måste du ladda ned en fil och överföra den till enheten. Följ anvisningarna i hjälpcentret om du vill överföra filerna till en kompatibel läsplatta.
