联邦学习（Federated Learning）
联邦学习简介 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
相关文章
- 1. 联邦学习（Federated Learning）
- 2. 联邦学习 Federated Learning
- 3. 联邦元学习Federated meta learning
- 4. 联邦学习（Federated Learning）介绍
- 5. 联邦学习Federated Learning学习笔记（1）
- 6. 联邦学习论文阅读：Federated meta-learning for recommendation
- 7. （转载）联邦学习 Federated Learning 相关资料整理
- 8. 联邦学习论文阅读 Federated Online Learning to Rank with Evolution Strategies
- 9. 联邦学习 Federated Learning 相关资料整理
- 10. 01联邦学习的介绍:Why And How Federated Learning
- 更多相关文章...
- • 您已经学习了 XML Schema，下一步学习什么呢？ - XML Schema 教程
- • 我们已经学习了 SQL，下一步学习什么呢？ - SQL 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • 适用于PHP初学者的学习线路和建议
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 联邦学习（Federated Learning）
- 2. 联邦学习 Federated Learning
- 3. 联邦元学习Federated meta learning
- 4. 联邦学习（Federated Learning）介绍
- 5. 联邦学习Federated Learning学习笔记（1）
- 6. 联邦学习论文阅读：Federated meta-learning for recommendation
- 7. （转载）联邦学习 Federated Learning 相关资料整理
- 8. 联邦学习论文阅读 Federated Online Learning to Rank with Evolution Strategies
- 9. 联邦学习 Federated Learning 相关资料整理
- 10. 01联邦学习的介绍:Why And How Federated Learning