幫助中心 | 我的帳號 | 關於我們
進階搜尋
car

同類熱銷排行榜

最近瀏覽的商品

無線通信網路中的聯邦學習原理與實踐

  • 作者：李立欣//林文晟//張可馨|責編:耍利娜
  • 出版社：化學工業
  • ISBN：9787122473622
  • 出版日期：2026/09/01
  • 裝幀：平裝
  • 頁數：259
人民幣：RMB 108 元      售價：元
放入購物車
加入收藏夾
內容大鋼
    本書圍繞無線通信網路中的聯邦學習展開。首先介紹聯邦學習的興起，闡述其定義、分類、架構等基礎理論。接著詳細講解集中式和去中心化聯邦學習的演算法原理及實踐，包括FedSGD、FedAvg、FedProx等演算法，深入探討聯邦學習的隱私保護與攻擊防禦機制，分析面臨的威脅及應對策略。隨後聚焦聯邦學習優化技術，提出基於智能反射面和Stackelberg博弈等的優化方法。還研究了其在無線網路中的應用，如多智能反射面係數優化和內容流行度預測。最後介紹從聯邦學習到聯邦分析的拓展，以及無線邊緣聯邦學習的實戰。
    本書適合從事無線通信與人工智慧融合研究的工程師、科研人員，以及想要了解6G通信技術的讀者等學習，也可用作高等院校相關專業的教材及參考書。
作者介紹
李立欣//林文晟//張可馨|責編:耍利娜
目錄
第1章  聯邦學習基礎
  1.1  人工智慧的機遇與挑戰
  1.2  分散式機器學習
  1.3  6G與聯邦學習
  1.4  聯邦學習概述
    1.4.1  聯邦學習的基礎概述
    1.4.2  聯邦學習的發展歷程
    1.4.3  聯邦學習的應用前景
    1.4.4  聯邦學習的技術挑戰
  1.5  本書組織架構
  參考文獻
第2章  集中式聯邦學習
  2.1  聯邦隨機梯度下降演算法——FedSGD
    2.1.1  演算法原理
    2.1.2  代碼實踐
  2.2  聯邦平均演算法——FedAvg
    2.2.1  演算法原理
    2.2.2  代碼實踐
  2.3  聯邦近端優化演算法——FedProx
    2.3.1  演算法原理
    2.3.2  代碼實踐
  2.4  總結
  參考文獻
第3章  去中心化聯邦學習
  3.1  迭代順序
  3.2  聯邦架構
  3.3  網路拓撲
  3.4  通信機制
  3.5  安全和隱私
  3.6  更新範式
  3.7  開源框架
  3.8  應用場景
  3.9  總結
  參考文獻
第4章  聯邦學習的隱私保護與攻擊防禦
  4.1  用戶隱私保護
    4.1.1  參與者、威脅模型和深度隱私
    4.1.2  防止外部惡意參與者
    4.1.3  防止惡意伺服器
  4.2  魯棒性攻擊
    4.2.1  針對模型性能的對抗性攻擊
    4.2.2  非惡意故障模式
  4.3  總結
  參考文獻
第5章  聯邦學習優化技術
  5.1  基於智能反射面輔助的分散式聯邦學習優化技術
    5.1.1  背景
    5.1.2  系統模型
    5.1.3  基於貪心演算法的用戶分組策略
    5.1.4  模擬分析

  5.2  聯邦學習通信效率優化技術
    5.2.1  背景
    5.2.2  系統模型
    5.2.3  基於Stackelberg博弈的用戶調度演算法——SCS
    5.2.4  基於進化理論的無線帶寬分配演算法
    5.2.5  模擬分析
  5.3  總結
  參考文獻
第6章  聯邦學習在無線網路中的應用
  6.1  基於聯邦學習的多智能反射面係數優化
    6.1.1  背景
    6.1.2  系統模型
    6.1.3  基於聯邦學習的反射係數優化演算法
    6.1.4  模擬分析
  6.2  基於聯邦學習的內容流行度預測
    6.2.1  背景
    6.2.2  系統模型
    6.2.3  基於FL-LSTM的流行度預測演算法
    6.2.4  模擬分析
  6.3  總結
  參考文獻
第7章  面向元宇宙的聯邦學習
  7.1  發展背景
  7.2  相關概念
    7.2.1  元宇宙
    7.2.2  人工智慧
    7.2.3  元宇宙中的人工智慧
  7.3  面向元宇宙的聯邦學習
    7.3.1  大數據技術的應用
    7.3.2  通信技術的應用
    7.3.3  物聯網技術的應用
    7.3.4  邊緣計算技術的應用
    7.3.5  區塊鏈技術的應用
    7.3.6  擴展現實技術的應用
  7.4  總結
  參考文獻
第8章  從聯邦學習到聯邦分析
  8.1  聯邦分析背景
  8.2  聯邦分析相關概念及原理
    8.2.1  聯邦分析的工作架構
    8.2.2  聯邦分析與聯邦學習的區別
  8.3  聯邦分析的應用場景
  8.4  挑戰和開放的機遇
    8.4.1  演算法的安全性和隱私性
    8.4.2  對系統故障的魯棒性
    8.4.3  參與激勵機制
    8.4.4  分散式和信任
  8.5  總結
  參考文獻
第9章  無線邊緣聯邦學習實戰

  9.1  硬體架構
  9.2  聯邦平均演算法實戰——基於FLOWER框架
    9.2.1  FLOWER框架簡介
    9.2.2  FedAvg演算法實戰
    9.2.3  操作說明
  9.3  總結
  參考文獻

  • 商品搜索：
  • | 高級搜索
首頁│ 新手上路│ 客服中心│ 關於我們│ 聯絡我們│ Top↑│
Copyrightc 1999~2008 美商天龍國際圖書股份有限公司 臺灣分公司. All rights reserved.
營業地址:臺北市中正區重慶南路一段103號1F 105號1F-2F
讀者服務部電話：02-2381-2033 02-2381-1863　時間：週一-週五 10:00-17:00
　服務信箱：bookuu@69book.com 客戶、意見信箱:cs@69book.com
ICP證：浙B2-20060032