Federated and Transfer Learning
Roozbeh Razavi-Far · Boyu Wang · Matthew E. Taylor · Qiang Yang
sept. 2022 · Adaptation, Learning, and Optimization Livre 27 · Springer Nature
E-book
371
Pages
reportLes notes et avis ne sont pas vérifiés. En savoir plus
À propos de cet e-book
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.
Donner une note à cet e-book
Dites-nous ce que vous en pensez.
Informations sur la lecture
Smartphones et tablettes
Installez l'application Google Play Livres pour Android et iPad ou iPhone. Elle se synchronise automatiquement avec votre compte et vous permet de lire des livres en ligne ou hors connexion, où que vous soyez.
Ordinateurs portables et de bureau
Vous pouvez écouter les livres audio achetés sur Google Play à l'aide du navigateur Web de votre ordinateur.
Liseuses et autres appareils
Pour lire sur des appareils e-Ink, comme les liseuses Kobo, vous devez télécharger un fichier et le transférer sur l'appareil en question. Suivez les instructions détaillées du Centre d'aide pour transférer les fichiers sur les liseuses compatibles.
