思维导图备注

联邦学习——原理与算法 - 王健宗,李泽远,何安珣,王伟
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

第5章 联邦分类算法

浏览 1 扫码
  • 小字体
  • 中字体
  • 大字体
2024-04-30 10:11:17
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 封面
  • 版权信息
  • 内容提要
  • 序言1
  • 序言2
  • 前言
  • 第1章 绪论
    • 1.1 人工智能的发展
    • 1.2 隐私保护浮出水面
    • 1.3 联邦学习的诞生
    • 1.4 本章小结
  • 第2章 联邦学习基础
    • 2.1 联邦学习的基本概念
    • 2.2 联邦学习的发展历程
    • 2.3 联邦学习的基本类别与流程
    • 2.4 联邦学习的应用场景
    • 2.5 本章小结
  • 第3章 中央服务器优化算法
    • 3.1 联邦随机梯度下降算法
    • 3.2 联邦平均算法
    • 3.3 差分隐私联邦随机梯度下降算法
    • 3.4 差分隐私联邦平均算法
    • 3.5 基于损失的自适应提升联邦学习算法
    • 3.6 自平衡联邦学习算法
    • 3.7 联邦近端算法
    • 3.8 不可知联邦学习算法
    • 3.9 基于概率的联邦网络匹配算法Ⅰ：单隐层神经网络匹配算法
    • 3.10 基于概率的联邦网络匹配算法Ⅱ：多隐层神经网络匹配算法
    • 3.11 联邦匹配平均算法
    • 3.12 本章小结
  • 第4章 联邦回归算法
    • 4.1 联邦机器学习算法的定义
    • 4.2 线性回归
    • 4.3 逻辑回归
    • 4.4 本章小结
  • 第5章 联邦分类算法
    • 5.1 朴素贝叶斯分类法
    • 5.2 支持向量机
    • 5.3 本章小结
  • 第6章 联邦树模型
    • 6.1 决策树
    • 6.2 XGBoost
    • 6.3 本章小结
  • 第7章 联邦推荐算法
    • 7.1 K均值算法
    • 7.2 因子分解机
    • 7.3 基于近邻的协同过滤算法
    • 7.4 基于矩阵的协同过滤算法
    • 7.5 矩阵分解算法
    • 7.6 本章小结
  • 第8章 联邦学习系统的隐私与安全
    • 8.1 问题描述与安全模型
    • 8.2 联邦学习隐私保护技术
    • 8.3 联邦学习安全防护技术
    • 8.4 本章小结
  • 第9章 联邦学习的服务质量
    • 9.1 联邦学习服务质量的定义
    • 9.2 联邦学习服务质量的评估维度
    • 9.3 联邦学习服务质量的理论体系
    • 9.4 提升联邦学习服务质量的方法
    • 9.5 本章小结
  • 第10章 联邦学习的研究趋势
    • 10.1 联邦学习的优化研究
    • 10.2 联邦学习的安全和隐私研究
    • 10.3 联邦学习的应用领域研究
    • 10.4 本章小结
  • 附录
    • 附录A Cholesky分解
    • 附录B LDLT分解
    • 附录C 共轭梯度法
  • 参考文献
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《联邦学习——原理与算法 - 王健宗,李泽远,何安珣,王伟》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度