机读格式显示(MARC)

• 000 01347nam0 2200289 450

• 001 0000699782

• 005 20260617160300.0

• 010 __ |a 978-7-122-48670-7 |d CNY79.00

• 100 __ |a 20251113d2025 em y0chiy50 ea

• 101 0_ |a chi

• 102 __ |a CN |b 110000

• 105 __ |a a a 000yy

• 106 __ |a r

• 200 1_ |a 联邦学习技术及应用 |A lian bang xue xi ji shu ji ying yong |d = Federated learning technologies and applications |f 章辉, 祝好, 陈宏铭编著 |z eng

• 210 __ |a 北京 |c 化学工业出版社 |d 2025.10

• 215 __ |a 220页 |c 图 |d 24cm

• 320 __ |a 有书目 (第218-220页)

• 330 __ |a 本书系统阐释联邦学习这一新兴技术的理论与应用。开篇详解联邦学习的背景、发展阶段、模型架构及分类，深入剖析其隐私保护技术与安全挑战。继而探讨联邦学习在移动边缘网络优化、通信成本降低、资源分配策略及激励机制设计等方面的创新应用，揭示其与物联网、区块链、大模型等技术的融合路径。最后，结合通信、金融、医疗、交通等多行业场景，展现联邦学习在网络性能优化、用户行为分析、安全通信等领域的实践价值。

• 333 __ |a 通信行业从业者、人工智能、大数据、云计算领域的研究人员及工程师

• 510 1_ |a Federated learning technologies and applications |z eng

• 606 0_ |a 机器学习 |A ji qi xue xi

• 690 __ |a TP181 |v 5

• 701 _0 |a 章辉 |A zhang hui |4 编著

• 701 _0 |a 祝好 |A zhu hao |4 编著

• 701 _0 |a 陈宏铭 |A chen hong ming |4 编著

• 801 _0 |a CN |b 江苏新华 |c 20251103

• 905 __ |a WXCSXY |d TP181/441