HEA|  |02636nam  2200337   450 
001|  |CAL 012023103298
005|  |20231125112500.8
010|  |▼a978-7-111-72853-5▼dCNY109.00
100|  |▼a20231125d2023    em y0chiy50      ea
101|0 |▼achi
102|  |▼aCN▼b110000
105|  |▼aak  a   000yy
106|  |▼ar
200|1 |▼a联邦学习原理与算法▼Alian bang xue xi -
   |  |yuan li yu suan fa▼d= Cyberspa-
   |  |ce security technology federat-
   |  |ed learning▼f耿佳辉 ... [等] 编著▼zeng
210|  |▼a北京▼c机械工业出版社▼d2023
215|  |▼axii,220页▼c图▼d26cm
225|2 |▼a网络空间安全技术丛书▼Awang luo kong ji-
   |  |an an quan ji shu cong shu
300|  |▼a国家出版基金项目
304|  |▼a题名页题:耿佳辉,牟永利,李青,(挪)容淳铭编著
314|  |▼a耿佳辉,博士,欧盟玛丽居里项目研究员,研究的重点包括隐私-
   |  |保护计算、区块链、自然语言处理等。多箭文章在国际会议发表,在-
   |  |中国、德国、挪威的知名企业都有丰富的工作经验。牟永利,博士,-
   |  |致力于联邦学习、数据隐私和区块链应用等领域的研究,并参与多个-
   |  |德国的医疗数据基建项目,如MMI和NFDI4Health,拥-
   |  |有丰富的数据科学和人工智能研究背景。有多篇医学信息学、联邦学-
   |  |习、区块链技术国际论文发表经验。李青,博士,挪威斯塔万格大学-
   |  |。致力于机器学习鲁棒性、可解释性,机器学习中的常微分或偏微分-
   |  |方程的数值计算等研究。
320|  |▼a有书目 (第217-220页)
330|  |▼a本书系统介绍了联邦学习的全貌,内容丰富,兼顾算法理论与实-
   |  |践。算法部分包含横向联邦、纵向联邦等不同的数据建模方式,重点-
   |  |讨论了联邦学习由于数据异质性和设备异质性带来的算法稳定性、隐-
   |  |私性挑战及其解决策略,这对每个联邦学习框架设计者来说都是至关-
   |  |重要但却容易忽略的部分;实践部分介绍了当前主流的联邦学习框架-
   |  |,并进行对比,然后给出相同算法的不同实现供读者比较。本书重点-
   |  |介绍了联邦学习计算机视觉及推荐系统等方面的应用,方便算法工程-
   |  |师拓展当前的算法框架,对金融、医疗、边缘计算、区块链等应用也-
   |  |做了详尽阐述。
461| 0|▼12001 ▼a网络空间安全技术丛书
510|1 |▼aCyberspace security technolo-
   |  |gy federated learning▼zeng
606|0 |▼a机器学习▼Aji qi xue xi
690|  |▼aTP181▼v5
701| 0|▼a耿佳辉▼Ageng jia hui▼4编著
701| 0|▼a牟永利▼Amou yong li▼4编著
701| 0|▼a李青▼Ali qing▼4编著
801| 0|▼aCN▼b山东中教▼c20230614
801| 2|▼aCN▼bGGT▼c20231125