Federated and Transfer Learning
Roozbeh Razavi-Far · Boyu Wang · Matthew E. Taylor · Qiang Yang
wrz 2022 · Adaptation, Learning, and Optimization Część 27 · Springer Nature
E-book
371
Strony
reportOceny i opinie nie są weryfikowane. Więcej informacji
Informacje o e-booku
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.
Oceń tego e-booka
Podziel się z nami swoją opinią.
Informacje o czytaniu
Smartfony i tablety
Zainstaluj aplikację Książki Google Play na Androida i iPada/iPhone'a. Synchronizuje się ona automatycznie z kontem i pozwala na czytanie w dowolnym miejscu, w trybie online i offline.
Laptopy i komputery
Audiobooków kupionych w Google Play możesz słuchać w przeglądarce internetowej na komputerze.
Czytniki e-booków i inne urządzenia
Aby czytać na e-papierze, na czytnikach takich jak Kobo, musisz pobrać plik i przesłać go na swoje urządzenie. Aby przesłać pliki na obsługiwany czytnik, postępuj zgodnie ze szczegółowymi instrukcjami z Centrum pomocy.
