IEEE P3652.1/D6, April 2020
联邦机器学习的架构框架和应用的 IEEE 草案指南

IEEE Draft Guide for Architectural Framework and Application of Federated Machine Learning

联邦机器学习的架构框架和应用的 IEEE 草案指南, 您可以免费下载预览页

非常抱歉，我们暂时无法提供预览，您可以试试：免费下载 IEEE P3652.1/D6, April 2020 前三页，或者稍后再访问。

您也可以尝试购买此标准，
点击右侧 “立即购买” 按钮开始采购（由第三方提供）。

标准号: IEEE P3652.1/D6, April 2020
发布: 2020年
发布单位: 美国电气电子工程师学会

适用范围: 联合机器学习定义了一个机器学习框架，允许根据分布在不同组织或设备拥有的存储库中的数据构建集体模型。本指南提供了跨组织和设备的数据使用和模型构建蓝图，同时满足适用的隐私、安全和监管要求。它定义了...

IEEE P3652.1/D6, April 2020相似标准

IEEE P3652.1/D6.1, July 2020 IEEE 批准的联邦机器学习架构框架和应用指南草案 IEEE 3652.1-2020 IEEE 联邦机器学习架构框架与应用指南 IEEE Std 3652.1-2020 IEEE 联邦机器学习架构框架与应用指南 T/CESA 1228.2-2022 人工智能计算设备调度与协同第2部分：分布式计算技术要求 T/ZAS 4012-2022 政务服务中心数字化建设工作规范

推荐

独特视角：从物理智能到微波视觉（五）

特别是针对SAR图像这样的电磁波散射物理过程的产物，需要融合电磁散射理论和机器学习理论，将物理规律等先验知识体现在智能解译算法中。这一目的可由模型、数据和算法三者协作达成：模型可以产生模拟数据，实测数据可以同化模型中，同时模型可以直接对机器学习算法进行正则化约束。这一思路即是物理智能/微波视觉的一个例子。...

相比GPU和GPP：FPGA才是深度学习的未来？（二）

相反，FPGA灵活的架构，可能更适合上述优化类型，因为用FPGA能编写一个完全不同的硬件架构并在运行时加速。　　4.3. Low power compute clusters低耗能计算节点集群　　深度学习模型最让人着迷的就是其拓展能力。不管是为了从数据中发现复杂的高层特征，还是为数据中心应用提升性能，深度学习技术经常在多节点计算基础架构间进行拓展。...

洪堡人工智能教席教授金耀初全职加入西湖大学

长期从事人工智能与计算智能的理论、算法和工程应用研究，特别是演化优化与学习、联邦学习与联邦优化、安全机器学习、图神经网络组合优化、神经可塑性建模、形态发生自组织机器人及演化发育系统等。...

IEEE Fellow新晋名单出炉宗成庆、朱军等104位华人学者入选

：为分布式操作系统的设计和实现做出贡献　　Yonghong Chen，美国中大陆独立系统运营商(MISO)　　当选理由：对批发电力市场设计和运营的贡献　　陈虹，同济大学　　当选理由：对预测控制和汽车系统应用的贡献　　Hao Chen，加州大学戴维斯分校　　当选理由：为软件和移动系统的安全做出贡献　　陈贵海，南京大学　　当选理由：对大规模分布式网络架构的贡献　　陈一昕，华盛顿大学　　当选理由：对提高深度学习系统的紧凑性和适用性的贡献...

IEEE P3652.1/D6, April 2020联邦机器学习的架构框架和应用的 IEEE 草案指南