《 联邦机器学习 》
- 机器学习
- 选题分类:计算机理论
- 原版语种:英语(可提供图书翻译服务)
- 出版日期:2019年12月
- 页数:206页
- 图书定价:(不详)
- 开本:190mm×234mm
- 浏览次数:471
- 字数:(不详)
- 作品星级:
- 内文印刷:单色
申请样书样章
您正在通过本网站在线提交出版评估申请。
若您的申请获得通过,您将可以在线对本作品的电子样书进行查看。
特别提示:
1、一旦提交本申请,则表示您承诺自愿通过成都锐拓传媒广告有限公司申请上述图书的中文版权,并承诺在申请日起18个月内,不会向任何第三方(包括但不限于图书作者、出版方及其他代理商等)申请或联系上述图书的中文简体版权。否则,我公司有权关闭您在本网站的使用权限,且不再与您进行任何业务合作,并有权要求您支付不低于人民币5000元/本的违约金,或将上述违约金直接从您的账户余额中予以扣除。
2、您通过本功能在线申请样书样章而支付的费用仅为样书样章在线查阅的费用,不代表我公司对上述图书的中文版权授权事宜向您作出任何承诺。除非发生我公司无法向您提交样书或样章的情况,否则无论最终是否与您达成中文版权的交易合作,该费用概不退还。
申请翻译样章
您正在通过本网站在线提交翻译样章申请。
若您的申请获得通过,您将可以在线对本作品的翻译样章进行查看。
特别提示:
1、一旦提交本申请,则表示您承诺自愿通过成都锐拓传媒广告有限公司申请上述图书的中文版权,并承诺在申请日起18个月内,不会向任何第三方(包括但不限于图书作者、出版方及其他代理商等)申请或联系上述图书的中文简体版权。否则,我公司有权关闭您在本网站的使用权限,且不再与您进行任何业务合作,并有权要求您支付不低于人民币5000元/本的违约金,或将上述违约金直接从您的账户余额中予以扣除。
2、您通过本功能在线申请样书样章而支付的费用仅为样书样章在线查阅的费用,不代表我公司对上述图书的中文版权授权事宜向您作出任何承诺。除非发生我公司无法向您提交样书或样章的情况,否则无论最终是否与您达成中文版权的交易合作,该费用概不退还。
已售版权
版权推荐
★国际人工智能界“迁移学习”技术的开创者,提出“联邦学习”研究新方向的杨强教授作品!
★一部关于联邦机器学习的权威新作!
内容简介
这本书描述了联邦机器学习如何通过结合分布式机器学习、密码学和安全性的新解决方案,以及基于经济原理和博弈论的激励机制设计来解决数据隐私问题。书中解释了不同类型的隐私保护机器学习解决方案及其技术背景,并重点介绍了一些有代表性的实际用例,同时也展示了联邦学习如何成为下一代机器学习的基础,以满足负责任的人工智能开发和应用的技术和社会需求。
作者介绍
1961年出生。书香世家,其父亲杨海寿为天文学家,生前是北京大学教授。
杨强为香港科技大学新明工程学讲席教授、计算机科学和工程学系主任。他是国际人工智能界“迁移学习”(transfer learning)技术的开创者,同时提出“联邦学习”(Federated Learning)的研究新方向。他于2013年7月当选为国际人工智能协会(AAAI)院士,是第一位获此殊荣的华人,之后又于2016年5月当选为AAAI执行委员会委员,是首位也是至今为止唯一的AAAI华人执委。2017年8月他当选为国际人工智能联合会(IJCAI,国际人工智能领域创立最早的顶级国际会议)理事会主席,是第一位担任IJCAI理事会主席的华人科学家。
图书目录
Acknowledgments
1 Introduction
2 Background
3 Distributed Machine Learning
4 Horizontal Federated Learning
5 Vertical Federated Learning
6 Federated Transfer Learning
7 Incentive Mechanism Design for Federated Learning
8 Federated Learning for Vision, Language, and Recommendation
9 Federated Reinforcement Learning
10 Selected Applications
11 Summary and Outlook
Appendix A Legal Developments on Data Protection
Bibliography
Authors’ Biographies