联邦学习 原理与算法
正版新书 新华官方库房直发 可开电子发票
￥ 94.72 7.4折 ￥ 128 全新
库存5件
作者王健宗 等
出版社人民邮电出版社
ISBN9787115575326
出版时间2021-11
版次1
装帧平装
开本16开
纸张胶版纸
页数296页
字数404千字
定价128元
货号SC:9787115575326
上书时间2024-07-09
商品详情
- 品相描述：全新
- 全新正版 提供发票
- 商品描述
-
主编推荐:
1. 联邦学习是目前人工智能领域较受重视的技术范式之一，谷歌、IBM、英伟达、腾讯等众多巨头入场，李开复力推；
2. 由平安科技联邦学习团队执笔，牵头作者为国内联邦学习推动者、平安科技副总工程师和技术部总经理王健宗博士；
3. 从基础知识出发，深入浅出的介绍了中央服务器优化和联邦机器学习的算法体系，适合大数据、人工智能行业从业者参考；
4. 广泛考虑工程实践，系统介绍联邦学习算法，中国科学院信息工程研究所提供加密理论方面支持，保障理论前沿性。
内容简介:
数据孤岛问题已经成为制约人工智能发展的主要阻碍。在此背景下,联邦学习（Federated Learning）作为一种新兴的机器学习技术范式,凭借其突出的隐私保护能力,展示出在诸多业务场景中的应用价值。本书从联邦学习的基础知识出发,深入浅出地介绍了中央服务器优化和联邦机器学习的算法体系,详细阐述了联邦学习中涉及的加密通信模块的相关知识,以定性和定量的双视角建立了联邦学习服务质量的评估维度、理论体系,还延伸介绍了提升联邦学习服务质量的方法,并对联邦学习的研究趋势进行了深入探讨与分析,可以对设计和选择算法提供工具式的参考和帮助。本书是高校、科研院所和业界相关学者研究联邦学习技术的理想读本,也适合大数据、人工智能行业的从业者和感兴趣的读者参考。
目录:
第1章绪论1
1．1人工智能的发展1
1．1．1人工智能的定义1
1．1．2人工智能的发展历史及现状2
1．1．3机器学习与数据3
1．2隐私保护浮出水面4
1．2．1隐私保护问题5
1．2．2隐私保护的攻击5
1．2．3常见的隐私保护技术7
1．3联邦学习的诞生8
1．3．1联邦学习的提出8
1．3．2联邦学习的范式9
1．3．3联邦学习的应用12
1．4本章小结13
第2章联邦学习基础15
2．1联邦学习的基本概念15
2．2联邦学习的发展历程17
2．3联邦学习的基本类别与流程18
2．3．1横向联邦学习18
2．3．2纵向联邦学习19
2．3．3联邦迁移学习19
2．3．4联邦强化学习20
2．4联邦学习的应用场景21
2．5本章小结21
第3章中央服务器优化算法23
3．1联邦随机梯度下降算法23
3．1．1算法框架及参数23
3．1．2目标函数24
3．1．3算法流程25
3．2联邦平均算法25
3．2．1算法框架及参数26
3．2．2目标函数27
3．2．3算法流程27
3．3差分隐私联邦随机梯度下降算法28
3．3．1算法框架及参数28
3．3．2相关函数说明29
3．3．3算法流程30
3．4差分隐私联邦平均算法31
3．4．1算法框架及参数31
3．4．2算法流程32
3．5基于损失
...
相关推荐
— 没有更多了 —
以下为对购买帮助不大的评价