Federated and Transfer Learning
Roozbeh Razavi-Far · Boyu Wang · Matthew E. Taylor · Qiang Yang
آذر ۲۰۲۲ · Adaptation, Learning, and Optimization کتاب 27 · Springer Nature
ای-کتاب
371
صفحه‌ها
reportرده‌بندی‌ها و مرورها به‌تأیید نمی‌رسند. بیشتر بدانید
درباره این ای-کتاب
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.
رده‌بندی این کتاب الکترونیک
نظرات خود را به ما بگویید.
اطلاعات مطالعه
تلفن هوشمند و رایانه لوحی
برنامه «کتاب‌های Google Play» را برای Android و iPad/iPhone بارگیری کنید. به‌طور خودکار با حسابتان همگام‌سازی می‌شود و به شما امکان می‌دهد هر کجا که هستید به‌صورت آنلاین یا آفلاین بخوانید.
رایانه کیفی و رایانه
با استفاده از مرورگر وب رایانه‌تان می‌توانید به کتاب‌های صوتی خریداری‌شده در Google Play گوش دهید.
eReaderها و دستگاه‌های دیگر
برای خواندن در دستگاه‌های جوهر الکترونیکی مانند کتاب‌خوان‌های الکترونیکی Kobo، باید فایل مدنظرتان را بارگیری و به دستگاه منتقل کنید. برای انتقال فایل به کتاب‌خوان‌های الکترونیکی پشتیبانی‌شده، دستورالعمل‌های کامل مرکز راهنمایی را دنبال کنید.
