由于此商品库存有限,请在下单后15分钟之内支付完成,手慢无哦!
100%刮中券,最高99元无敌券,券有效期7天
活动自2017年6月2日上线,敬请关注云钻刮券活动规则更新。
如活动受政府机关指令需要停止举办的,或活动遭受严重网络攻击需暂停举办的,或者系统故障导致的其它意外问题,苏宁无需为此承担赔偿或者进行补偿。
醉染图书联邦学习原理与算法9787111728535
¥ ×1
出版说明
前言
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
4.1.1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
6.1.2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
……
《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。
亲,大宗购物请点击企业用户渠道>小苏的服务会更贴心!
亲,很抱歉,您购买的宝贝销售异常火爆让小苏措手不及,请稍后再试~
非常抱歉,您前期未参加预订活动,
无法支付尾款哦!
抱歉,您暂无任性付资格
