返回首页
苏宁会员
购物车 0
易付宝
手机苏宁

服务体验

店铺评分与同行业相比

用户评价:----

物流时效:----

售后服务:----

  • 服务承诺: 正品保障
  • 公司名称:
  • 所 在 地:
本店所有商品

  • 全新正版联邦学习原理与算法9787111728535机械工业
    • 作者: 耿佳辉 等 编著著 | 耿佳辉 等 编著编 | 耿佳辉 等 编著译 | 耿佳辉 等 编著绘
    • 出版社: 机械工业出版社
    • 出版时间:2023-05-01
    送至
  • 由""直接销售和发货,并提供售后服务
  • 加入购物车 购买电子书
    服务

    看了又看

    商品预定流程:

    查看大图
    /
    ×

    苏宁商家

    商家:
    如梦图书专营店
    联系:
    • 商品

    • 服务

    • 物流

    搜索店内商品

    商品分类

    商品参数
    • 作者: 耿佳辉 等 编著著| 耿佳辉 等 编著编| 耿佳辉 等 编著译| 耿佳辉 等 编著绘
    • 出版社:机械工业出版社
    • 出版时间:2023-05-01
    • 版次:1
    • 印次:1
    • 印刷时间:2023-05-19
    • 字数:359
    • 页数:220
    • 开本:16开
    • ISBN:9787111728535
    • 版权提供:机械工业出版社
    • 作者:耿佳辉 等 编著
    • 著:耿佳辉 等 编著
    • 装帧:平装
    • 印次:1
    • 定价:109.00
    • ISBN:9787111728535
    • 出版社:机械工业
    • 开本:16开
    • 印刷时间:2023-05-19
    • 语种:暂无
    • 出版时间:2023-05-01
    • 页数:220
    • 外部编号:31761754
    • 版次:1
    • 成品尺寸:暂无

    章联邦学习与机器学习基础1.1联邦学习概述1.1.1联邦学习的背景与发展1.1.2联邦学习的定义与分类1.1.3联邦学习的相关法规与社区1.1.4展望与总结1.2联邦学习挑战1.2.1能挑战1.2.2效率挑战1..隐私与安全挑战1.3机器学习基础1.3.1机器学习定义与分类1.3.2机器学习流程1.3.3常见的机器学习算法1.4深度学习基础与框架1.4.1深度学习基本原理1.4.2常见的神经网络类型1.4.3常见的深度学习框架第2章联邦学习框架2.1百度PaddleFL框架2.1.1PaddleFL框架结构2.1.2PaddleFL框架安装和部署2.1.3PaddleFL使用示例2.2Flower框架2.2.1Flower框架结构2.2.2Flower框架安装与部署2..Flower使用示例.微众银行FATE框架..1FATE的技术架构..2FATE安装与部署2.4联邦学习框架对比第3章联邦学统架构3.1横向联邦学习3.1.1横向联邦学习定义3.1.2横向联邦学习算法3.1.3安全聚合算法3.2纵向联邦学习3.2.1纵向联邦学习算法概述3.2.2纵向联邦逻辑回归算法3.3分割学习3.3.1分割学习基本原理3.3.2分割学习设置与应用场景第4章联邦学习建模难点与解决方案4.1数据统计异质41.1非独立同分布影响与收敛分析4.1.2非同质数据分类与构建4.1.3联邦学习非独立同分布策略4.2个化联邦学习4.2.1个化联邦学习的动机和概念4.2.2全局模型个化策略4..个化本地模型4.3联邦学习通信与加速算法4.3.1模型压缩算法4.3.2异步与并行优化4.3.3硬件加速第5章联邦学习与隐私保护5.1差分隐私5.1.1差分隐私定义5.1.2差分隐私与机器学习5.1.3差分隐私在联邦学习中的应用5.1.4开源项目与工具5.2安全多方计算5.2.1百万富翁问题5.2.2不经意传输5..混淆电路5.2.4秘密分享5.2.5安全多方计算在联邦学习中的应用5.3同态加密5.3.1同态加密定义与分类5.3.2部分同态加密方案5.4可信执行环境第6章联邦学统安全与防御算法6.1联邦学习安全分析6.1.1CIA原则: 私密、完整与可61.2敌手模型6.2联邦学习隐私攻击与防御6.2.1成员推断攻击与防御6.2.2重构攻击与防御6.3联邦学习安全攻击与防御6.3.1联邦学习安全攻击目标与手段6.3.2联邦学习安全防御第7章联邦学习与计算机视觉7.1图像分类7.1.1传统图像分类算法7.1.2基于深度学习的图像分类算法7.1.3图像分类常用数据集7.2目标检测7.2.1目标检测模型的常用评价标准7.2.2目标检测的常用算法7..目标检测的常用数据集7.3图像分割7.3.1图像分割分类7.3.2图像分割数据集7.3.3语义分割7.3.4实例分割常用的算法7.4联邦学习图像识别非独立同分布数据实验7.4.1实验描述7.4.2实验过程7.4.3结果分析第8章联邦学习与系统8.1系统基本知识8.1.1系统数据8.1.2系统架构8.1.3系统数据集8.2协同过滤算法8.2.1协同过滤算法分类8.2.2协同过滤算法评价指标8.3矩阵分解8.3.1奇异值分解8.3.2联邦矩阵分解算法8.4神经协同过滤网络8.4.1神经协同过滤系统框架8.4.2神经协同过滤层设计8.4.3神经协同过滤训练8.4.4联邦神经协同过滤第9章联邦学习与深度学模结合9.1联邦多任务学习9.1.1多任务学习基本原理9.1.2联邦多任务学习算法9.2联邦学习与半监督学习9.2.1半监督学习的基本方法9.2.2联邦学习与半监督学习结合9.3联邦强化学习9.3.1强化学习基本原理与分类9.3.2联邦学习与强化学习结合9.4联邦图学习9.4.1图学习算法基础知识9.4.2联邦图学习算法与挑战0章联邦学习应用前景10.1联邦学习与医疗10.1.1联邦医学图像处理10.1.2联邦学习与医疗记录10.1.3联邦学习与药物开发10.2联邦学习与金融10.2.1联邦学习与银行风控10.2.2联邦学习与消费社交反欺诈10..联邦学习与智慧营销10.3联邦学习、边缘计算与物联网10.3.1联邦学习与边缘计算10.3.2联邦学习与物联网10.3.3联邦学习与自动驾驶10.4联邦学习与区块链10.4.1区块链基本原理10.4.2区块链分类10.4.3区块链与联邦学习结合

    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。多篇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。有多篇医学信息邦学习、区块链技术国际发表经验。李青,博士,挪威斯塔万格大学。致力于机器学习鲁棒、可解释,机器学习中的常微分或偏微分方程的数值计算。容淳铭,挪威工程院院士、挪威斯塔万格大学计算机系终身教授、服务式计算研究创新中心主任。曾任IEEE国际云计算学术会议系列指导委员会,IEEE区块链专家委员会、(国际)云安全联盟(CSA)挪威分部副总理事长,海外评审专家。

    《联邦学习原理与算法》融合了联邦学习资深技术专家多年经验,系统介绍了联邦学习的全貌,内容丰富,兼顾算理与实践,对联邦学习能挑战、安全与隐私挑战,以及系统进行了介绍。理论讲解由浅入深、注重编程实践,语言简练、内容实用。重点难点部分还配备了二维码视频。

    售后保障

    最近浏览

    猜你喜欢

    该商品在当前城市正在进行 促销

    注:参加抢购将不再享受其他优惠活动

    x
    您已成功将商品加入收藏夹

    查看我的收藏夹

    确定

    非常抱歉,您前期未参加预订活动,
    无法支付尾款哦!

    关闭

    抱歉,您暂无任性付资格

    此时为正式期SUPER会员专享抢购期,普通会员暂不可抢购