Federated and Transfer Learning
Roozbeh Razavi-Far · Boyu Wang · Matthew E. Taylor · Qiang Yang
сент. 2022 г. · Adaptation, Learning, and Optimization Книга 27 · Springer Nature
Электронная книга
371
Количество страниц
reportОценки и отзывы не проверены. Подробнее…
Об электронной книге
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.
Оцените электронную книгу
Поделитесь с нами своим мнением.
Где читать книги
Смартфоны и планшеты
Установите приложение Google Play Книги для Android или iPad/iPhone. Оно синхронизируется с вашим аккаунтом автоматически, и вы сможете читать любимые книги онлайн и офлайн где угодно.
Ноутбуки и настольные компьютеры
Слушайте аудиокниги из Google Play в веб-браузере на компьютере.
Устройства для чтения книг
Чтобы открыть книгу на таком устройстве для чтения, как Kobo, скачайте файл и добавьте его на устройство. Подробные инструкции можно найти в Справочном центре.
