会员
联邦学习原理与算法
更新时间：2023-11-02 20:26:10 最新章节：封底
书籍简介
《联邦学习原理与算法》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，这对每一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。《联邦学习原理与算法》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，相信对于研究隐私保护机器学习的计算机相关专业学生和联邦学习领域的开发者、创业者都有很好的借鉴作用。详细的代码以及对现有框架和开源项目的介绍是本书的一大特色。
品牌：机械工业出版社
上架时间：2023-06-01 00:00:00
出版社：机械工业出版社
本书数字版权由机械工业出版社提供，并由其授权上海阅文信息技术有限公司制作发行
最新章节
同类热门书
最新上架
- 会员本书深入剖析了数据要素行业的发展趋势和关键安全技术，并探讨了新技术如何赋能各行各业。全书分为三个核心篇章：“体系篇”构建了数据要素安全的理论框架，从宏观角度分析了数据要素的演进及相关法律法规的制定，旨在帮助读者理解数据要素安全的重要性及背景知识；“技术洞察篇”深入探讨了前沿技术，揭示了数据安全自用、数据可信确权、数据可控流通和协同安全计算等核心应用场景的技术细节和应用洞察；“实践案例篇”通过具体案计算机21.4万字
- 会员这是一本系统、深度讲解.NET安全技术原理和攻防实操的著作。全书分为上、下两册，全面覆盖.NET安全领域的关键知识点。上册主要介绍了.NETWeb安全审计的精髓，从.NET安全基础讲起，逐步深入到高级攻防技巧，内容涵盖Web安全审计的流程、工具与技巧，帮助读者有效识别并修复漏洞，深入理解.NET平台下的安全对抗方法。下册则揭秘了.NET逆向工程与实战对抗秘籍，包括免杀技术、内存马技术、Windo计算机13.7万字
- 会员本书分为三个部分，分别介绍了数据要素市场、数据安全和隐私计算。第一部分介绍了数据要素市场的基本情况，包括数据要素制度体系和数据要素市场发展；第二部分结合数字化转型的背景，讲述了多个具备代表性的数据安全理论及实践框架、数据安全常见风险、数据安全保护最佳实践、代表性行业数据安全实践，以及数据安全技术原理、大模型与数据安全等内容；第三部分详细讲解了可信数据流通交易空间数据流通利用基础设施、隐私计算技术原计算机34.9万字