Federated and Transfer Learning
Roozbeh Razavi-Far · Boyu Wang · Matthew E. Taylor · Qiang Yang
вер. 2022 р. · Adaptation, Learning, and Optimization Книга 27 · Springer Nature
Електронна книга
371
Сторінки
reportGoogle не перевіряє оцінки й відгуки. Докладніше.
Про цю електронну книгу
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.
Оцініть цю електронну книгу
Повідомте нас про свої враження.
Як читати
Смартфони та планшети
Установіть додаток Google Play Книги для Android і iPad або iPhone. Він автоматично синхронізується з вашим обліковим записом і дає змогу читати книги в режимах онлайн і офлайн, де б ви не були.
Портативні та настільні комп’ютери
Ви можете слухати аудіокниги, куплені в Google Play, у веб-переглядачі на комп’ютері.
eReader та інші пристрої
Щоб користуватися пристроями для читання електронних книг із технологією E-ink, наприклад Kobo, вам знадобиться завантажити файл і перенести його на відповідний пристрій. Докладні вказівки з перенесення файлів на підтримувані пристрої можна знайти в Довідковому центрі.
