Federated and Transfer Learning
Roozbeh Razavi-Far · Boyu Wang · Matthew E. Taylor · Qiang Yang
2022年9月 · Adaptation, Learning, and Optimization 27 巻 · Springer Nature
電子書籍
371
ページ
report評価とレビューは確認済みではありません 詳細
この電子書籍について
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.
この電子書籍を評価する
ご感想をお聞かせください。
読書情報
スマートフォンとタブレット
Android や iPad / iPhone 用の Google Play ブックス アプリをインストールしてください。このアプリがアカウントと自動的に同期するため、どこでもオンラインやオフラインで読むことができます。
ノートパソコンとデスクトップ パソコン
Google Play で購入したオーディブックは、パソコンのウェブブラウザで再生できます。
電子書籍リーダーなどのデバイス
Kobo 電子書籍リーダーなどの E Ink デバイスで読むには、ファイルをダウンロードしてデバイスに転送する必要があります。サポートされている電子書籍リーダーにファイルを転送する方法について詳しくは、ヘルプセンターをご覧ください。
