【2022新书】联邦学习:方法和应用的综合概述,531页pdf

2022 年 7 月 14 日 专知


联邦学习:方法和应用的全面概述为研究人员和实践者提出了联邦学习最重要的问题和方法的深入讨论。


联邦学习(FL)是一种机器学习方法,其中训练数据不是集中管理的。数据由参与FL进程的数据方保留,不与任何其他实体共享。这使得FL成为机器学习任务中越来越受欢迎的解决方案,对于这些任务,将数据集中在一个集中存储库中是有问题的,无论是出于隐私、监管还是实际原因。


这本书解释了最近的研究进展和联邦学习(FL)的最先进的发展,从领域的最初概念到第一个应用和商业使用。为了获得这一广泛和深入的概述,领先的研究人员解决了联邦学习的不同视角:核心机器学习视角、隐私和安全、分布式系统和特定的应用领域。读者将了解这些领域面临的挑战,它们是如何相互联系的,以及如何用最先进的方法解决它们。


在前言中概述了联邦学习的基础知识之后,在接下来的24章中,读者将深入探讨各种主题。第一部分解决了以联合方式解决不同机器学习任务的算法问题,以及如何高效、大规模和公平地训练。另一部分重点关注如何以一种可针对特定用例定制的方式选择隐私和安全解决方案,而另一部分则考虑运行联邦学习过程的系统的实用主义。本书还介绍了联邦学习的其他重要用例,如分离学习和垂直联邦学习。最后,本书包括了一些章节,重点介绍了FL在真实企业环境中的应用。


https://link.springer.com/book/10.1007/978-3-030-96896-0



专知便捷查看

便捷下载,请关注专知公众号(点击上方蓝色专知关注)

  • 后台回复“F531” 就可以获取【2022新书】联邦学习:方法和应用的综合概述》专知下载链接

                       
专知,专业可信的人工智能知识分发 ,让认知协作更快更好!欢迎注册登录专知www.zhuanzhi.ai,获取100000+AI(AI与军事、医药、公安等)主题干货知识资料!
欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程资料和与专家交流咨询
点击“ 阅读原文 ”,了解使用 专知 ,查看获取100000+AI主题知识资料
登录查看更多
18

相关内容

联邦学习(Federated Learning)是一种新兴的人工智能基础技术,在 2016 年由谷歌最先提出,原本用于解决安卓手机终端用户在本地更新模型的问题,其设计目标是在保障大数据交换时的信息安全、保护终端数据和个人数据隐私、保证合法合规的前提下,在多参与方或多计算结点之间开展高效率的机器学习。其中,联邦学习可使用的机器学习算法不局限于神经网络,还包括随机森林等重要算法。联邦学习有望成为下一代人工智能协同算法和协作网络的基础。
【2022新书】人工智能自动医疗诊断的最新进展,371页pdf
专知会员服务
128+阅读 · 2022年8月16日
【2022新书】机器学习与数据科学:基础与应用,272页pdf
专知会员服务
104+阅读 · 2022年8月3日
【2022新书】联邦学习:方法和应用的综合概述
专知会员服务
138+阅读 · 2022年7月14日
【开放书】数据科学经济金融应用,357页pdf
专知会员服务
63+阅读 · 2022年3月10日
【新书】机器学习算法,模型与应用,154页pdf
专知会员服务
91+阅读 · 2022年1月20日
专知会员服务
65+阅读 · 2021年5月29日
【2021新书】Python流数据实用机器学习,127页pdf
专知会员服务
71+阅读 · 2021年5月23日
【新书】多元统计与机器学习,185页pdf
专知
5+阅读 · 2022年6月5日
【2022新书】视觉问答 (VQA):从理论到应用
联邦学习研究综述
专知
11+阅读 · 2021年12月25日
【新书】分布式强化学习,280页pdf
专知
19+阅读 · 2021年12月19日
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年9月14日
Arxiv
21+阅读 · 2022年2月24日
Arxiv
13+阅读 · 2022年1月20日
CSKG: The CommonSense Knowledge Graph
Arxiv
18+阅读 · 2020年12月21日
Arxiv
15+阅读 · 2020年2月5日
Arxiv
12+阅读 · 2019年11月14日
Arxiv
23+阅读 · 2018年10月24日
VIP会员
相关VIP内容
【2022新书】人工智能自动医疗诊断的最新进展,371页pdf
专知会员服务
128+阅读 · 2022年8月16日
【2022新书】机器学习与数据科学:基础与应用,272页pdf
专知会员服务
104+阅读 · 2022年8月3日
【2022新书】联邦学习:方法和应用的综合概述
专知会员服务
138+阅读 · 2022年7月14日
【开放书】数据科学经济金融应用,357页pdf
专知会员服务
63+阅读 · 2022年3月10日
【新书】机器学习算法,模型与应用,154页pdf
专知会员服务
91+阅读 · 2022年1月20日
专知会员服务
65+阅读 · 2021年5月29日
【2021新书】Python流数据实用机器学习,127页pdf
专知会员服务
71+阅读 · 2021年5月23日
相关资讯
【新书】多元统计与机器学习,185页pdf
专知
5+阅读 · 2022年6月5日
【2022新书】视觉问答 (VQA):从理论到应用
联邦学习研究综述
专知
11+阅读 · 2021年12月25日
【新书】分布式强化学习,280页pdf
专知
19+阅读 · 2021年12月19日
相关基金
国家自然科学基金
5+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
3+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2009年12月31日
相关论文
Arxiv
0+阅读 · 2022年9月14日
Arxiv
21+阅读 · 2022年2月24日
Arxiv
13+阅读 · 2022年1月20日
CSKG: The CommonSense Knowledge Graph
Arxiv
18+阅读 · 2020年12月21日
Arxiv
15+阅读 · 2020年2月5日
Arxiv
12+阅读 · 2019年11月14日
Arxiv
23+阅读 · 2018年10月24日
Top
微信扫码咨询专知VIP会员