【AAAI2019教程】面向隐私安全保密的联邦学习与迁移学习,101页pdf

2019 年 1 月 29 日 专知

【导读】2019年1月召开的AAAI会议上,微众银行和香港科技大学的一场联合报告《federated learning and Transfer Learning for Privacy, Security and Confidentiality》介绍面向隐私安全保密的联邦学习与迁移学习。



大纲





【Slides完整版下载】

 请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“FLTL”就可以获取《面向隐私安全保密的联邦学习与迁移学习》Slides完整版的下载链接~ 

  • 专知2019年《深度学习:算法到实战》精品课程欢迎扫码报名学习!


部分内容节选






-END-

专 · 知

专知《深度学习:算法到实战》课程全部完成!460+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!


请加专知小助手微信(扫一扫如下二维码添加),咨询《深度学习:算法到实战》参团限时优惠报名~

欢迎微信扫一扫加入专知人工智能知识星球群,获取专业知识教程视频资料和与专家交流咨询!

请PC登录www.zhuanzhi.ai或者点击阅读原文,注册登录专知,获取更多AI知识资料!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
46

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。
最新《生成式对抗网络》简介,25页ppt
专知会员服务
167+阅读 · 2020年6月28日
【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
162+阅读 · 2020年4月26日
因果图,Causal Graphs,52页ppt
专知会员服务
238+阅读 · 2020年4月19日
【中国人民大学】机器学习的隐私保护研究综述
专知会员服务
130+阅读 · 2020年3月25日
【Science最新论文】XAI—可解释人工智能简述,机遇与挑战
专知会员服务
155+阅读 · 2019年12月21日
《迁移学习简明手册》,93页pdf
专知会员服务
130+阅读 · 2019年12月9日
39页《迁移学习自然语言生成》PPT
专知
9+阅读 · 2019年2月13日
448页伊利诺伊大学《算法》图书-附下载
专知
15+阅读 · 2018年12月31日
Multi-task Deep Reinforcement Learning with PopArt
Arxiv
4+阅读 · 2018年9月12日
Arxiv
21+阅读 · 2018年8月30日
A Survey on Deep Transfer Learning
Arxiv
11+阅读 · 2018年8月6日
VIP会员
相关VIP内容
最新《生成式对抗网络》简介,25页ppt
专知会员服务
167+阅读 · 2020年6月28日
【微众银行】联邦学习白皮书_v2.0,48页pdf,
专知会员服务
162+阅读 · 2020年4月26日
因果图,Causal Graphs,52页ppt
专知会员服务
238+阅读 · 2020年4月19日
【中国人民大学】机器学习的隐私保护研究综述
专知会员服务
130+阅读 · 2020年3月25日
【Science最新论文】XAI—可解释人工智能简述,机遇与挑战
专知会员服务
155+阅读 · 2019年12月21日
《迁移学习简明手册》,93页pdf
专知会员服务
130+阅读 · 2019年12月9日
Top
微信扫码咨询专知VIP会员