Federated and Transfer Learning
Roozbeh Razavi-Far · Boyu Wang · Matthew E. Taylor · Qiang Yang
2022 թ. սեպ · Adaptation, Learning, and Optimization Գիրք 27 · Springer Nature
Էլ. գիրք
371
Էջեր
reportԳնահատականները և կարծիքները չեն ստուգվում Իմանալ ավելին
Այս էլ․ գրքի մասին
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.
Գնահատեք էլ․ գիրքը
Կարծիք հայտնեք։
Տեղեկություններ
Սմարթֆոններ և պլանշետներ
Տեղադրեք Google Play Գրքեր հավելվածը Android-ի և iPad/iPhone-ի համար։ Այն ավտոմատ համաժամացվում է ձեր հաշվի հետ և թույլ է տալիս կարդալ առցանց և անցանց ռեժիմներում:
Նոթբուքներ և համակարգիչներ
Դուք կարող եք լսել Google Play-ից գնված աուդիոգրքերը համակարգչի դիտարկիչով:
Գրքեր կարդալու սարքեր
Գրքերը E-ink տեխնոլոգիան աջակցող սարքերով (օր․՝ Kobo էլեկտրոնային ընթերցիչով) կարդալու համար ներբեռնեք ֆայլը և այն փոխանցեք ձեր սարք։ Մանրամասն ցուցումները կարող եք գտնել Օգնության կենտրոնում։
