Federated and Transfer Learning
Roozbeh Razavi-Far · Boyu Wang · Matthew E. Taylor · Qiang Yang
Eyl 2022 · Adaptation, Learning, and Optimization Kitap 27 · Springer Nature
E-kitap
371
Sayfa
reportPuanlar ve yorumlar doğrulanmaz Daha Fazla Bilgi
Bu e-kitap hakkında
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.
Bu e-kitaba puan verin
Düşüncelerinizi bizimle paylaşın.
Okuma bilgileri
Akıllı telefonlar ve tabletler
Android ve iPad/iPhone için Google Play Kitaplar uygulamasını yükleyin. Bu uygulama, hesabınızla otomatik olarak senkronize olur ve nerede olursanız olun çevrimiçi veya çevrimdışı olarak okumanıza olanak sağlar.
Dizüstü bilgisayarlar ve masaüstü bilgisayarlar
Bilgisayarınızın web tarayıcısını kullanarak Google Play'de satın alınan sesli kitapları dinleyebilirsiniz.
e-Okuyucular ve diğer cihazlar
Kobo eReader gibi e-mürekkep cihazlarında okumak için dosyayı indirip cihazınıza aktarmanız gerekir. Dosyaları desteklenen e-kitap okuyuculara aktarmak için lütfen ayrıntılı Yardım Merkezi talimatlarını uygulayın.
