Federated and Transfer Learning
Roozbeh Razavi-Far · Boyu Wang · Matthew E. Taylor · Qiang Yang
سبتمبر 2022 · Adaptation, Learning, and Optimization الكتاب 27 · Springer Nature
كتاب إلكتروني
371
صفحة
reportلم يتم التحقّق من التقييمات والمراجعات. مزيد من المعلومات
معلومات عن هذا الكتاب الإلكتروني
This book provides a collection of recent research works on learning from decentralized data, transferring information from one domain to another, and addressing theoretical issues on improving the privacy and incentive factors of federated learning as well as its connection with transfer learning and reinforcement learning. Over the last few years, the machine learning community has become fascinated by federated and transfer learning. Transfer and federated learning have achieved great success and popularity in many different fields of application. The intended audience of this book is students and academics aiming to apply federated and transfer learning to solve different kinds of real-world problems, as well as scientists, researchers, and practitioners in AI industries, autonomous vehicles, and cyber-physical systems who wish to pursue new scientific innovations and update their knowledge on federated and transfer learning and their applications.
تقييم هذا الكتاب الإلكتروني
أخبرنا ما هو رأيك.
معلومات القراءة
الهواتف الذكية والأجهزة اللوحية
ينبغي تثبيت تطبيق كتب Google Play لنظام التشغيل Android وiPad/iPhone. يعمل هذا التطبيق على إجراء مزامنة تلقائية مع حسابك ويتيح لك القراءة أثناء الاتصال بالإنترنت أو بلا اتصال بالإنترنت أينما كنت.
أجهزة الكمبيوتر المحمول وأجهزة الكمبيوتر
يمكنك الاستماع إلى الكتب المسموعة التي تم شراؤها على Google Play باستخدام متصفح الويب على جهاز الكمبيوتر.
أجهزة القراءة الإلكترونية والأجهزة الأخرى
للقراءة على أجهزة الحبر الإلكتروني، مثل أجهزة القارئ الإلكتروني Kobo، عليك تنزيل ملف ونقله إلى جهازك. يُرجى اتّباع التعليمات المفصّلة في مركز المساعدة لتتمكّن من نقل الملفات إلى أجهزة القارئ الإلكتروني المتوافقة.
