书籍目录
首页
分类
免费
排行
我的书架
1-50章
51-66章
共66章
免费
版权信息
免费
内容简介
免费
序言 人工智能安全
免费
前言
免费
致谢
免费
作者简介
免费
第1章 引言
免费
1.1 人工智能面临的挑战
免费
1.2 联邦学习概述
免费
1.3 联邦学习的发展
免费
第2章 隐私、安全及机器学习
免费
2.1 面向隐私保护的机器学习
免费
2.2 面向隐私保护的机器学习与安全机器学习
免费
2.3 威胁与安全模型
免费
2.4 隐私保护技术
免费
第3章 分布式机器学习
免费
3.1 分布式机器学习介绍
免费
3.2 面向扩展性的DML
3.3 面向隐私保护的DML
3.4 面向隐私保护的梯度下降方法
3.5 挑战与展望
第4章 横向联邦学习
4.1 横向联邦学习的定义
4.2 横向联邦学习架构
4.3 联邦平均算法介绍
4.4 联邦平均算法的改进
4.5 相关工作
4.6 挑战与展望
第5章 纵向联邦学习
5.1 纵向联邦学习的定义
5.2 纵向联邦学习的架构
5.3 纵向联邦学习算法
5.4 挑战与展望
第6章 联邦迁移学习
6.1 异构联邦学习
6.2 联邦迁移学习的分类与定义
6.3 联邦迁移学习框架
6.4 挑战与展望
第7章 联邦学习激励机制
7.1 贡献的收益
7.2 注重公平的收益分享框架
7.3 挑战与展望
第8章 联邦学习与计算机视觉、自然语言处理及推荐系统
8.1 联邦学习与计算机视觉
8.2 联邦学习与自然语言处理
8.3 联邦学习与推荐系统
第9章 联邦强化学习
9.1 强化学习介绍
9.2 强化学习算法
9.3 分布式强化学习
×