基础信息

书名:联邦学习:算法详解与系统实现
作者:薄列峰;顾松庠;陈彦卿【美】黄恒 等
出版社:机械工业出版社
出版时间:2022年4月
ISBN:9787111703495
字数:334千字

推荐语

本书将从联邦学习概念、应用场景到具体的先进算法,再到系统实现,对该技术进行全盘梳理与总结。

内容简介

本书首先介绍联邦学习的定义和发展历史,按类别介绍联邦学习算法和发展现状,介绍联邦学习的应用场景,以及相关安全机器学习的技术。然后我们将介绍最新最前沿的联邦学习算法,用数科系统作为实例,对联邦学习系统构建和实现进行讲解。最后我们将介绍数科自研的基于区块链的联邦学习技术。

作者简介

作者薄列峰,京东科技集团副总裁、硅谷研发部负责人。曾担任包括NeurIPS、CVPR、ICCV、ECCV、AAAI、SDM等在内的多个顶级人工智能会议程序委员会委员。在国际顶级会议和期刊上合计发表论文80余篇,论文被引用10186次,H指数44。其博士学位论文荣获国内百篇优秀博士论文奖,RGB-D物体识别论文荣获机器人领域学术会议ICRA最佳计算机视觉论文奖。

 

声明:本站所有文章,如无特殊说明或标注,均为本站原创发布。任何个人或组织,在未征得本站同意时,禁止复制、盗用、采集、发布本站内容到任何网站、书籍等各类媒体平台。如若本站内容侵犯了原著者的合法权益,可联系我们进行处理。