互联网
类型
可以朗读
语音朗读
334千字
字数
2022-04-01
发行日期
展开全部
主编推荐语
本书将从联邦学习概念、应用场景到具体的先进算法,再到系统实现,对该技术进行全盘梳理与总结。
内容简介
本书首先介绍联邦学习的定义和发展历史,按类别介绍联邦学习算法和发展现状,介绍联邦学习的应用场景,以及相关安全机器学习的技术。然后我们将介绍最新最前沿的联邦学习算法,用数科系统作为实例,对联邦学习系统构建和实现进行讲解。最后我们将介绍数科自研的基于区块链的联邦学习技术。
目录
- 版权信息
- 作者简介
- 前言
- 第一部分 联邦学习基础知识
- 第1章 联邦学习概述
- 1.1 什么是联邦学习
- 1.2 联邦学习的应用和挑战
- 1.3 分布式机器学习与联邦学习
- 1.4 总结
- 第2章 联邦学习应用场景
- 2.1 联邦学习与金融
- 2.2 联邦学习与生物医学
- 2.3 联邦学习与计算机视觉
- 2.4 联邦学习与自然语言处理
- 2.5 联邦学习与边缘计算和云计算
- 2.6 联邦学习与计算机硬件
- 2.7 总结
- 第3章 常用隐私保护技术
- 3.1 面向隐私保护的机器学习
- 3.2 常用的隐私保护技术
- 3.3 总结
- 第二部分 联邦学习算法详述
- 第4章 纵向联邦树模型算法
- 4.1 树模型简介
- 4.2 纵向联邦随机森林算法
- 4.3 纵向联邦梯度提升算法
- 4.4 总结
- 第5章 纵向联邦线性回归算法
- 5.1 纵向联邦线性回归
- 5.2 联邦多视角线性回归
- 5.3 总结
- 第6章 纵向联邦核学习算法
- 6.1 引言
- 6.2 双随机核方法
- 6.3 所提算法
- 6.4 理论分析
- 6.5 实验验证
- 6.6 总结
- 第7章 异步纵向联邦学习算法
- 7.1 引言
- 7.2 相关工作
- 7.3 问题表示
- 7.4 所提算法
- 7.5 理论分析
- 7.6 实验验证
- 7.7 总结
- 第8章 基于反向更新的双层异步纵向联邦学习算法
- 8.1 引言
- 8.2 问题表示
- 8.3 所提算法
- 8.4 理论分析
- 8.5 实验验证
- 8.6 总结
- 第9章 纵向联邦深度学习算法
- 9.1 引言
- 9.2 所提算法
- 9.3 理论分析
- 9.4 实验验证
- 9.5 总结
- 第10章 快速安全的同态加密数据挖掘框架
- 10.1 引言
- 10.2 相关工作
- 10.3 同态加密数据挖掘框架
- 10.4 实验验证
- 10.5 总结
- 第11章 横向联邦学习算法
- 11.1 横向联邦学习简介
- 11.2 常见的分布式优化算法
- 11.3 同步横向联邦学习算法
- 11.4 异步横向联邦学习算法
- 11.5 快速通信的横向联邦学习算法
- 11.6 总结
- 第12章 混合联邦学习算法
- 12.1 混合联邦学习算法的场景需求
- 12.2 算法详述
- 12.3 总结
- 第13章 联邦强化学习
- 13.1 强化学习概述
- 13.2 强化学习算法简介
- 13.3 分布式和联邦强化学习
- 13.4 总结
- 第三部分 联邦学习系统
- 第14章 FedLearn联邦学习系统
- 14.1 已开源联邦学习系统及其痛点
- 14.2 FedLearn联邦学习系统的优势
- 14.3 FedLearn系统架构设计
- 14.4 FedLearn跨语言算法支持
- 14.5 高性能RPC开源框架gRPC
- 14.6 FedLearn系统服务和算法解耦
- 14.7 FedLearn部署与使用
- 14.8 总结
- 第15章 gRPC在FedLearn中的联邦学习应用实例
- 15.1 应用实例一:纵向联邦随机森林学习算法
- 15.2 应用实例二:横向联邦学习场景
- 15.3 总结
- 第16章 落地场景中的性能优化实践
- 16.1 FedLearn业务场景简介
- 16.2 从0到1实践联邦学习算法优化
- 16.3 性能优化
- 16.4 工程服务性能优化
- 16.5 实时推理优化
- 16.6 总结
- 第17章 基于区块链的联邦学习
- 17.1 区块链简介
- 17.2 联邦学习与区块链的集成创新
- 17.3 基于区块链的联邦学习激励算法
- 17.4 基于区块链的联邦学习系统实现
- 17.5 总结
- 参考文献
展开全部
出版方
机械工业出版社有限公司
机械工业出版社是全国优秀出版社,自1952年成立以来,坚持为科技、为教育服务,以向行业、向学校提供优质、权威的精神产品为宗旨,以“服务社会和人民群众需求,传播社会主义先进文化”为己任,产业结构不断完善,已由传统的图书出版向着图书、期刊、电子出版物、音像制品、电子商务一体化延伸,现已发展为多领域、多学科的大型综合性出版社,涉及机械、电工电子、汽车、计算机、经济管理、建筑、ELT、科普以及教材、教辅等领域。