机读格式显示(MARC)

• 000 01267nam0 2200325 450

• 001 0000379314

• 005 20200924145200.0

• 010 __ |a 978-7-121-38522-3 |d CNY89.00

• 099 __ |a CAL 012020042497

• 100 __ |a 20200529d2020 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a ak a 000yy

• 106 __ |a r

• 200 1_ |a 联邦学习 |A lian bang xue xi |d = Federated learning |f 杨强[等]著 |z eng

• 210 __ |a 北京 |c 电子工业出版社 |d 2020

• 215 __ |a xvi, 192页 |c 彩图 |d 24cm

• 304 __ |a 题名页题其余责任者: 刘洋, 程勇, 康焱, 陈天健, 于涵

• 320 __ |a 有书目 (第161-192页)

• 330 __ |a 本书中，我们将描述联邦学习（亦称联邦机器学习）如何将分布式机器学习、密码学、基于金融规则的激励机制和博弈论结合起来，以解决分散数据的使用问题。我们会介绍不同种类的面向隐私保护的机器学习解决方案以及技术背景，并描述一些典型的实际问题解决案例。我们还会进一步论述联邦学习将成为下一代机器学习的基础，可以满足技术和社会需求并促进面向安全的人工智能的开发和应用。

• 510 1_ |a Federated learning |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 杨强 |A yang qiang |4 著

• 701 _0 |a 刘洋 |A liu yang |4 著

• 701 _0 |a 程勇 |A cheng yong |4 著

• 801 _0 |a CN |b NMU |c 20200529

• 905 __ |a XATU |d TP181/174

• 920 __ |a 261060 |z 1

• 998 __ |a NMU